卷積網絡：我不生產智商，我只是人腦的搬運工

　　一代代研究者都致力于讓機器模仿人類的心理機制和認知結構。但是，科學家們真的完全掌握了人類的思考之鑰嗎?

　　從機器智能遭遇的困境來看，顯然不是。

　　“框架方法”，本身就對思維套路有著極強的依賴，只能依靠人類預先觀察并解決機器可能遇到的所有框架型問題。

　　然而人類思索“如何把鋼琴搬上樓”這樣有一定難度的新問題時，恐怕不會拿出筆來畫一張邏輯清晰的思維導圖。更常見的做法是，用一種無意識的快速反應直接指向了答案，甚至來不及詳細觀察推理過程，比如“什么三段論使我相信鋼琴可以被抬起來”之類的。

　　一些思維模式是可以被明確化、系統化的，但更多的心理推理過程是抽象的、內省的，就像是被魔術師掩蓋起來的奧秘，至今沒有誰能看出端倪。

　　這種不用思考的 “內省”式經驗，是讓人類能夠“先思而后行”的關鍵，也是機器無法模仿的。

　　時至今日，還沒有人能夠提供什么切實可行的證據來充分而精準地描述出，人類的內省式經驗是如何指導他生成思維框架或編寫腳本的。

　　因此，哪怕，從簡單的語義到末梢神經元，卷積神經網絡已經對人類的“認知之輪”模仿的惟妙惟肖，那些都是建立在能夠被描述和形成計算機映射的認知過程上。

　　AI從整體效果上對認知的各個層級進行模擬，與我們尚未發現的人類大腦的真實活動方式，有可能完全不同。

　　既然“人類如何思維”還無法被解釋，那么給AI一個“高仿大腦”就更是不可能實現的事情了。那么，今天被廣泛使用的機器智能構造體系，還靠譜嗎?

　　人類的安全鎖：認知之輪的終極悖論

　　如果我們用“人腦能做什么”來要求智能體，比如在行動前進行周密的思考和架設，三思而后行;又或者是回答非常跳躍的腦筋急轉彎，那么AI是永遠不可能比人類更智能的了。

　　這里面存在著一個關于機器智能的悖論：就是如果AI不模仿人類的“認知之輪”，向這個巨大的并行處理器學習如何提取特征、如何生成模型、如何判斷，那它就不可能變得智能;

　　但如果我們想把AI當做“認知之輪”的齒輪箱，試圖借由它來一步步推倒到終極問題，搞清楚人腦是如何實現那些驚人的認知功能的，那也會讓事情變得一團糟。

　　就像我們都知道植物通過光合作用能產生葡萄糖，但誰也不會認為，通過觀察光合作用并將其計算機程序化，就能創造出糖分。

　　目前的神經科學家，根本沒有提供有效線索，能讓我們了解大腦的認知功能究竟是怎樣實現的。

　　如何為這些隱秘的“心理實體”找到合適的程序對應，目前還沒有什么答案。在這種制約條件下，我們有一點不成熟的小建議：

　　1. 嘗試用心理學而不是神經科學去解釋人腦。

　　神經科學家特別關心及時的神經元和解剖學，在已經設計出的神經元計算機模型中，很多都是“馮諾依曼式”的構造體系，關注未經過解釋的細胞激活方式。但人類認知問題、解決問題的能力，更像是一場思維的魔術表演，和已經被充分認識的大腦組織功能之間，有著一大片空白地帶。通過跨學科的認知科學、生物學，生成多維的、更加抽象的“神經矩陣”，可能更快洞悉大腦的秘密;

　　2. 讓AI輔助人類變魔術，而不是相反。

　　將認知能力與腦組織功能之間的空白詳盡地填補起來，才有可能真正創造出快速、靈敏、可以評估風險與價值的智能體，中間還有很長的一段路要走，在這之前，拜托不要再將AI神化成魔術師了，它應該是“自下而上”解決問題的工程師，幫助人類“魔術師”奉獻出更精彩的表演。

　　正如一個研究者自嘲的那樣，“(過去)我們放棄了設計智能機器人的目標，轉而去設計一桿槍，用它去摧毀別人設計的任何智能機器人!”

　　總而言之，在人類“認知之輪”的最底層，被蓋上了一把密碼鎖。盡管我們自己也不能打開、無法解釋，但就是能隔空取物，成為一個真正的智能擔當。

　　謝天謝地，我們安全了。