作者	雷·库兹韦尔译者：沈志彦等/国别：UnitedStates/美国
出版社
出版时间	2002-06-01

特色：

要让机器的智能达到人类的智能水平的方案很多我们可以开发和训练一套系统，将具有大规模并行处理能力的神经网络与其他软件相结合，就能让电脑学习人类的语言与知识，包括阅读与理解文字材料的能力。虽然目前电脑处理非电脑语言文件并从中吸收知识的能力很有限，但是计算机在这方面的能力正在迅速提高。预计在21世纪Ⅲ年代末，电脑就能够独立地阅读各种文献，理解并仿效所阅读的内容。然后我们就能让电脑阅读所有的文字材料——书籍，杂志，科学期刊以及其他现有的材料。*后电脑可以自行通过各种各样的媒体和信息服务等渠道来吸取知识；并且与其他电脑互通有无，共享信息(这方面的能力电脑比它们的创造者人类强多了)。一旦电脑达到人类的智能水平，它的发展后劲就必定令人吃惊。从电脑问世以来，电脑无论在处理信息的速度或是记忆能力上都已经大大超过了人类。一台电脑能不折不扣地存储数十亿、甚至上万亿项事实资料，而我们光是背几个电话号码就觉得力不从心。电脑可以在几分之一秒的时间内搜寻存储数十亿条记录的数据库，还可以很方便地分享知识。如果把人脑的智能水平与电脑处理信息的高速度、准确性以及共享数据资料的能力等内在优势结合起来，将如虎添翼，威力无穷。哺乳动物的神经系统确实是造物主的杰作。但我们不会照样复制。其神经细胞虽然复杂，但其功能多半是为了维持生命过程，而非进行信息处理。再则，神经细胞的反应速度极其缓慢，电子电路的速度至少要快上一百万倍。只要电脑理解抽象事物、识别各种模式的能力达到人脑的水平，并且拥有人类智能的其他特征，电脑就能将这种能力应用到所有人类已获得的——或机获得的——知识库。对于电脑有一天将成为人类智能的劲敌这一可怕的说法，人们通常的反应是不予理会，这基本上是根据人们对当代电脑功能的考察了解而作出的。毕竟，当人们与个人电脑交流时，就会觉得，即使电脑有智能，其智能似乎也是十分有限的，而且是微不足道的。很难想象一台个人电脑会有幽默感，能有自己的意见，能表现人类的其他各种可爱的思想品质。但计算机技术决不会停滞不前。目前计算机的许多功能在一二十年前，还被认为是不可能的，诸如语音识别技术，能准确地转录人们通常的连续语言，理解人们的自然语言，并机智地作出反应，判读心电图和血液化验等医疗报告，电脑在这些方面的准确性与专业医生不相上下。当然还要提一下电脑*近在世界级的国际象棋赛上的杰出表现。再过十年，我们将看到翻译电话能提供同步口译服务；智能型的个人电脑助手将迅速搜寻并且理解全世界的知识库；大量的其他机器也将具有越来越广泛、越来越灵活的智能。到21世纪20年代，人脑与电脑的智能将越来越难以区分。电脑在运算速度，存储容量以及准确性方面将遥遥领先。相比之下，人类的智能优势将逐渐黯然无光。电脑软件技术早已比许多人所想象的要好得多。就以文字或语音识别系统为例。我亲身体会到，电脑在这些方面所达到的水平令人惊叹。例如，用户在前几年所见到的语音识别软件由于技术档次太低，可能是随机免费奉送的，这些软件识别的词汇有限，词之间还要有停顿，即使这样还经常出错。用户会惊奇地发现当前的系统已能识别6万个英文词汇；就算你用平常的速度说话，它的准确率也与一个打字员不相上下。随着进化的步伐以指数形式不断加速，技术的发展也加快了速度。虽然有些动物也会使用工具，但技术的发明使现代人不同于其他动物。技术不仅仅是制造和使用工具。它涉及记录工具制造的经验以及工具在复杂性方面的进展。这需要创新，并需要其他手段来继续进化过程。技术进化过程的基因密码是由制造工具的物种负责传承的一种记录。正如早期生命的密码是直接写在有机体体内的化学结构，早期工具的文字记录就是工具本身。后来，技术进化的基因就采用书面语言记录了，而现在则通常储存在计算机数据库里。*终，技术本身将创造出更新的技术。我们是走在我们自己前头了。现在我们的进化历程以万年计算了。地球上曾经出现过好几种现代人的分支。大约在10万年以前，尼安德特人在欧洲与中东出现，然而大约在35咖年到删年以前，他们又神秘地消失了。尽管这种原始人类有着野蛮的长相，但某些习俗却很接近现代人类，例如复杂的葬礼：他们会为死者覆盖一些装饰品，譬如花朵。我们到目前都还不很清楚，到底现代人的近亲尼安德特人发生了什么事情，不过，他们明显地与我们约在9万年前的老祖先原始人类不一样。若干猿人与其分支都有创造技术的能力。唯有*聪明、*有攻击性的那个种族方能免除被淘汰的厄运而存活下来。这种斗智又斗力的模式，会在人类历史中不断重复，而技术*先进的人群将处于主导地位。这个趋势对人类来说，可能不是什么好兆头，因为21世纪中电脑在智能和技术的复杂性上将会超越人类。在距今约4万年以前，猿人种类中就只有原始人类的分支存活下来。有两种类型的计算转换方式：一种是信息得到保存，另一种信息被毁灭。前者的例子是一个数乘上另一个常数(除。以外)。这种转换是可逆的，只要除以该常数，就可以得到原来的数。另一情况是，如果我们把这个数乘以o，那末原先的信息就不能复原了。我们无法除以0而得到原来的数，因为。除。是不确定的。因此，这类转换就毁灭了输入的信息。这是时间的不可逆转性的另一个例子(**个是“熵递增定律”)，因为你不可能使毁灭信息的过程发生逆转。计算过程的不可逆性通常被作为该计算过程是管用的理由：因为这项转换是单向的、“有目的的”。然而，说该计算过程是不可逆转的原因是基于其破坏信息而不是创造信息的能力。计算的价值在于它能够有选择地毁灭无用的和多余的信息。例如，在诸如识别面孔和语音的模式识别的任务中，保存模式的带信息的特征，而销毁原先的图像或声音中的大量的数据流，对过程是十分重要的。智能就是准确地选择有关信息并且熟练地、有目的地销毁其余信息的过程。这正是神经网络模式所擅长的工作。不管是人脑或电脑，一个神经细胞一瞬间都会接受到代表大量信息的成千上万个连续的信号。神经细胞的反应只有两种选择：激发或是不激发。无论是什么选择，都会将大量的输人数据归结为一个简单的信息信号。一旦神经网络得到良好训练，这种信息的简化就是有目的的、有用的和必要的。我们看到这种信息浓缩的做法——将大量的复杂的信息流简化成简单的“Yes”和“No”的应答——在人类行为和社会的许多层面上经常碰到。考虑一下法律诉讼中涌现的大量信息。所有这些活动的结果基本上都可归结为这样一个简单的答案：有罪或无罪，原告或被告。有些审判虽然涉及到两种判决结果，但我的观点没有因此而改变。这种简单的“是”或“不是”的结局也出现在其他决定中。考察一下选举的例子：我们每个选民都会接收到一大堆信息(也许投有一点相干)，但只能给出一个决定：谋求连任者或挑战者。然后几百万选民作出类似的决定，*后得到的也是一个简单的数据。由于世界上要继续保存的数据资料实在太多，所以我们得不断地销毁其中的大部分，将这些结果输入到数据库中。这是神经细胞的全有或全无的功能背后的真谛。下次当你做清理工作，并试图扔掉一些旧物和过期的档案时，你便会知道这是一件多么困难的事情——有目的地毁灭一些信息是智能型工作的本质所在。一台智能机器也许具有非凡的手段来执行我们前面所讨论的三种工作模式：详尽无遗的递归搜寻，大规模并行处理的模式识别；以及快速的迭代演化。但如果没有知识来启动，它还是不能发挥作用。即使简单明了地执行这三个容易的工作模式，也需要某些知识来启动。采用递归分析的下棋软件，需要知道下棋的规则。神经网络的模式识别系统至少开始时需要一些范本的轮廓，它可以学习，而演化算法软件就需要一个起点，以对其进行改进。这几种简单的工作模式都有强大的组织功能。但一开始还是需要一些知识作为种子去生长出其他知识。因此，无论你选择采用何种工作模式，网络构成的几何形状以及重要的参数，都体现了某一层次的知识。假如一套神经网络的连接点和反馈回路的总的组织结构没有按正确方法设定，它的学习摸索阶段就永远不会结束。我们人类出生时就具备了这种形式的知识。人脑不是一张白纸，在这上面记录着我们后天的人生经历和思维顿悟。更进一步说，人脑由以下各个专门区域组成，各自综合了特定的功能：●高度平行的早期视觉电路，它们擅长于区分视觉上的变化；●大脑皮层内的视觉神经细胞群，它们可以迅速辨认出边、直线、曲线、各种几何形状、熟悉的物体或某个人的面孔；●大脑皮层内的听觉神经电路，能够识别各种频率组合而成的声波；●海马可以储存感觉器官的经验，记忆某些事件；●扁桃腺，它所具有的电路可以将恐惧转化为一系列警告信号，并传送到大脑其他区域，和许多其他器官。由于大脑内部具有这套各个区域互相关联的、复杂的系统，而每个区域又专门负责着不同类型的信息处理工作，因此人类才有能力持续地去对付日常生活中的各种各样复杂的环境。按照马文·明斯基和西摩·帕佩特的说法，人脑是一个“含有许多相对较小的、分散的系统的大系统，它根据胚胎学原理安排，组成一个复杂的社会，该社会部分地受一组串连的符号系统控制(但仅仅是部分控制)，这些符号系统是后来才增加上去的。”两人补充说，“这些承担大部分工作的亚符号系统由于其自身的特性，阻止大脑的所有其他部分了解它们是如何工作的。这就可以帮助人们理解为什么人类能够下意识地从事许多复杂的工作，而不十分清楚这些工作是怎么干的。”……