原创 人工智能的未来---FPGA（五）

五、 记忆――预测模型<1>输入到大脑中的信息形式前文已述，进入到你大脑皮层的输入信息形式是基本相同的。无论是视觉还是听觉，都通过成千上万根神经纤维将信号传入大脑。你可以将这些输入看成一束电线，他们承载的神经信号被称为“动作电位”或“电脉冲”，虽然这些信号来自不同的感觉器官，一旦转化为有大脑控制的动作电位，他们就变成了完全相同的形式，由于它代表着输入的信号的特征，我们称这些信号叫做特征信息。这些特征信息不是静态的，它是一个时变信息，因此我们称这种随时间不断改变的特征信息为特征序列。比如，在通常情况下，你的眼睛每秒钟会快速移动三次，它们注视一个点，然后很快又会突然跳到另一个点。也就是说，输入到大脑中的特征信息会随着每一次眼的扫视而彻底改变。何况在实际生活中，你会不停的转动头和身体，虽然你接受到的是一系列毫不重复的图像，但你感到的却是一个稳定的可观世界，这种感觉是由大脑创造出来的。感觉信息是一系列的特征，像一条河流进大脑，与其说它是一幅画，不如说它是一首歌。<2>特征序列是大脑处理和记忆的对象在识别周围环境的时候，大脑并不是识别事物本身，而是识别它的若干特征。大脑区分一个事物于其他事物，靠的也是特征。通常，大脑对静态的特征组并不敏感，而对动态的特征序列很敏感。因为当它确定一事物的时候，会将记忆中的下一个序列状态与实际相比较。比如某特征序列的电路化模型为001―>010―>100―>001,那么当处于010态时，他会对一组运动神经输出脉冲，期待得到100，这种处理方式在下文将具体介绍。大脑记忆的内容也是特征序列，我们用一系列垂直柱（计算的基本单元）的组合来表征某个特征，通过丘脑的作用（猜测是这样）实现序列所需的延时。一个与之相对的例子是现在流行的神经网络模型。在这些模型中训练和记忆的内容是一些权值和阈值。在这些模型中，特征序列都是准备好的，训练的目的是匹配每个特征序列的权重，使得权重设置为一个最理想的向量组；同时，他们没有采取序列的概念，将重点放在静态元素上。这种做法与大脑的工作重点不相符。大脑新皮层最初对于所有特征都没有记忆，因此没有任何判断力，初生的婴儿的行为能力来源于古脑等结构，这些结构可以对基本的刺激做出正确的反应，以便于维持生存需要，而对于复杂的与生存无关的特征，则没有确定的行为。但是，这些特征序列作为新事物，在大脑中以编码的形式形成记忆，即用特定的一系列垂直柱的兴奋来代表特征，同时大脑皮层也会记住，在历次面临这种情况时，采取哪些输出将使情况向好的方向发展，采取哪些输出将使情况更糟。这样，随着我们的学习，记忆的内容丰富起来。我们对于各种输入都有了识别和处理的经验。<3> 智能来源于记忆大脑受到的特征序列来自不同种类的输入，其本身没有任何实际意义，那么大脑是怎么处理它的呢？请你回想一下学骑车的经历。最开始，当你第一次骑车时，你根本无法控制它，因为从肌肉的压力感和身体的方向感这些特征模式序列我们没有学习过，这时，只能由古脑和其他经验支配平衡。逐渐你对骑车的相关特征模式变得越来越熟悉，稍有一点不平衡的感觉，大脑就能根据记忆找到解决办法。做出相应输出。因此可以说，大脑并没有对这些输入特征进行任何处理，而只是到记忆中去提取解决办法，大脑本质是一个特征序列的记忆体。<4>智能来源于可控的预测如果新大脑皮层只有记忆提取机制，它远远不会工作的这样好，因为神经元间信号传输的速度太慢，大脑无法实时的根据输入作出反应。大脑实际采用的方法是预测执行。即利用记忆的模式序列控制输出，而不是通过输入来控制输出，当反馈回的输入特征信息与自身记忆匹配时，它会继续以这种记忆序列输出，当不匹配的时候，大脑会立刻意识到有错误发生，可能还需要停顿一下，重新找到正确的记忆序列后，按照新的记忆序列输出。如果不太明白上述的说明，请设想下面一个例子：假如你每天都会从家中的卧室走到厨房，并且已经非常熟悉这样做了，今天在通往厨房的门下多了一个门槛，如果你不是很小心的话，很可能会被绊一下。这就说明发送给运动神经的输出是按照没有门槛的情况发出的，而不是根据从脚上传来的信号临时决定出的。换句话说，我们的输出信息是来源于预测的。人类之所以智能，还有一个线索需要研究。那就是人类的新大脑皮层的六层结构中，第五层的大型金字塔神经元细胞与输出的运动细胞之间有着非常密切的联系。也就是说，我们的新大脑皮层根据预测的需要，可以直接控制运动器官，而不用通过小脑或者古脑。比如你看到了一个人的眼睛，猜测到了他是某个人，然后需要根据嘴的特征予以验证，这时新大脑皮层可以直接控制眼球移动，得到所需的信息。相比而言，海豚也有很大的新大脑皮层，它也有很强的记忆力，能够记住曾经到达过的海域。但是由于没有直接控制运动神经的通路，所以它们的大脑只能称作一个记忆体。而远远没有产生智能。现在，我们已知了要实现人工智能，就要实现记忆――预测，它约等于指出了我们要制造的智能机器到底应该完成什么样的功能，下面我们就讨论一下具体的实现方式。我们仍然从大脑的实现方式出发。