杰夫·霍金斯（Jeff Hawkins）声称他已经弄清楚了情报的工作原理

一直以来，对AI的搜索始终是在尝试构建具有思考能力的机器-至少在某种意义上是这样。但是，数十年来，关于人工智能和生物智能应该如何相似的问题一直存在分歧。早期构建AI的工作涉及决策流程和信息存储系统，这些灵感和灵感大致源于人类的思维方式。如今，深层的神经网络受到互连的神经元在大脑中发射的方式的松散启发。但是，松散的灵感通常就其作用而已。

神经科学家和科技企业家杰夫·霍金斯（Jeff Hawkins）表示，大多数AI人士都不在乎细节。他想改变这一点。霍金斯已跨越神经科学和人工智能两个世界近40年。 1986年，在Intel担任软件工程师几年后，他加入了加州大学伯克利分校，开始了神经科学博士学位，以期弄清情报的工作原理。但是，当他被告知那里没有人可以帮助他进行如此宏伟的计划时，他的野心就碰壁了。沮丧之余，他将伯克利（Berkeley）换成硅谷，并于1992年创立了Palm Computing，该公司开发了PalmPilot（当今智能手机的前身）。

但是他对大脑的迷恋从未消失。十五年后，他回到了神经科学领域，并成立了红木理论神经科学中心（现在位于伯克利）。今天，他经营着位于硅谷的神经科学研究公司Numenta。在这里，他和他的团队研究了新皮质，大脑的大脑部分负责与智能相关的一切。在过去几年中取得了一系列突破之后，Numenta将其注意力从大脑转移到了AI，并将其从生物智能中学到的知识应用到了机器上。

霍金斯的思想激发了包括安德鲁·伍（Andrew Ng）在内的人工智能界的大人物，并获得了理查德·道金斯（Richard Dawkins）等人的赞誉，理查德·道金斯为3月2日出版的霍金斯的新书《千脑：一种新的智力理论》写了热情的序言。

我与霍金斯（Hawkins）在Zoom上聊了很久，谈论他对人脑的研究对机器智能的意义。他不是第一个认为自己能回答所有问题的硅谷企业家，而且并不是每个人都可能同意他的结论。但是他的想法可能会动摇人工智能。

这是一个复杂的问题。嘿，我不是当今AI的批评者。我认为那很棒这很有用。我只是不认为这很聪明。

我的主要兴趣是大脑。几十年前，我爱上了大脑。我长期以来一直持这种态度，在制作AI之前，我们首先必须弄清楚到底是什么智力，而做到这一点的最佳方法就是研究大脑。

早在1980年，或者类似的事情，我觉得AI的方法并不会带来真正的智能。在AI的所有不同阶段中，我都有同感–对我而言，这不是新事物。

我看一下最近在深度学习方面取得的进步，这是惊人的，非常令人印象深刻，但这并不能弥补根本缺乏的事实。我想我知道什么是智力；我想我知道大脑是怎么做的。人工智能并没有像大脑那样做。

您是在说要建立一个AI，我们需要以某种方式重造大脑吗？

不，我认为我们不会直接建立大脑的副本。我根本不喜欢大脑。但是，我们将需要构建可遵循类似原理的机器。我们拥有智能系统的唯一例子是生物系统。你为什么不学习呢？

就像我第一次给您展示一台计算机，然后您说：“太神奇了！我将要构建类似的东西。”但是，您不必去研究它，而是想弄清楚它是如何工作的，而是走开并开始尝试从头开始做一些事情。

那么，对于您认为AI也需要做的智力至关重要的是什么呢？

智力有四个最低属性，一种基线。首先是通过移动来学习：我们无法一次感知周围的一切。我们必须采取行动建立事物的心理模型，即使它只是动动我们的眼睛或手。这被称为实施例。

接下来，这种感觉输入占据了数万个皮质柱，每个皮质柱都有一个部分地图。它们通过一种投票系统竞争并结合，以建立整体观点。这是一千个大脑的想法。在AI系统中，这可能涉及控制不同传感器的机器 - 视觉，触摸，雷达等，以获得更完整的世界模型。虽然，每个感觉通常会有许多皮质列，例如视觉。

然后是持续的学习，你在哪里学习新事物而不会忘记以前的东西。今天的AI系统不能这样做。最后，我们使用参考框架结构知识，这意味着我们对世界的了解是相对于我们的观点。如果我把手指滑到我的咖啡杯的边缘，我可以预测我会感受到它的轮辋，因为我知道我的手与杯子有关。

您的实验室最近从神经科学转移到AI。这是否相当于你的千粒大学聚集在一起？

几乎。直到两年前，如果你走进我们的办公室，这是所有神经科学。然后我们做了过渡。我们觉得我们已经学会了足够的大脑，开始将它应用于AI。

我们看着的第一件事之一是稀疏性。在任何时候，只有2％的神经元都在射击;活动稀疏。我们一直在将这个想法应用于深度学习网络，我们得到了巨大的结果，比如现有网络加速了50倍。稀疏性也为您提供更强大的网络，较低的功耗。现在我们正在努力学习。

很有趣的是，您将移动作为智能的基线。这是否意味着AI需要一个身体？它需要是一个机器人吗？

在未来，我认为AI和机器人之间的区别将消失。但是现在我更喜欢这个词“实施例”，因为当你谈论机器人时，它会使人类机器人的图像召唤出来的图像，这不是我在谈论的。关键是，AI必须有传感器，并且能够相对于自身移动它们以及它建模的东西。但是您也可以在互联网上移动一个虚拟AI。

这个想法与许多关于情报的智慧的思想完全不同。

运动真的很有趣。大脑使用相同的机制将我的手指移动到咖啡杯上，或者移动我的眼睛，甚至在你考虑一个概念问题时。您的大脑通过参考框架移动以回顾它存储在不同位置的事实。

关键是，任何智能系统，无论其物理形式，通过搬入其中的不同部位来学习世界的模型。那是基岩;你不能逃脱。无论它看起来像一个人形机器人，蛇机器人，一辆车，一架飞机，或者，你知道，只是一台电脑坐在你的桌子上围绕互联网嘲笑 - 他们都是一样的。

绝大多数AI研究人员并没有真正拥抱大脑重要的想法。我的意思是，是的，人们不久前都想到了神经网络，他们有点受到大脑的启发。但大多数人并不试图复制大脑。这只是任何作品，工作。今天的神经网络正运作得很好。

大多数人都对神经科学的理解很少。这并不奇怪，因为它真的很难。这不是你坐下的东西，花了几天的读书。神经科学本身一直在努力了解大脑中发生了什么。

但是写这本书的一个重要目标之一是开始对我们没有拥有的智力的对话。我的意思是，我理想的梦想是世界上的每个AI实验室都阅读了这本书并开始讨论这些想法。我们接受它们吗？我们不同意吗？以前那不是真正的。我的意思是，这个大脑研究少于五岁。我希望它能成为一个真正的转折点。

作为一个领域，AI缺乏对智力的定义。你知道，在我看来，图灵测试是发生的最糟糕的事情之一。即使在今天，我们仍然在基准和聪明的技巧上重点焦点。我不是想说它没有用。可以检测癌细胞的AI很棒。但是情报吗？没有。在书中，我使用Mars的机器人的例子构建人类的栖息地。试着想象需要做什么样的AI。那可能吗？这完全是可能的。我想在本世纪末，我们将有这样的机器。问题是我们如何远离，就像建立未来所需的基本面的“这是另一个伎俩”。

我只是说，如果您回头阅读他的原始著作，他基本上是在试图使人们停止与他争论是否可以建造智能机器。他的想法是，“这里有些事情要考虑-别再打扰我了。”但是问题在于它专注于一项任务。机器可以做人类可以做的事情吗？这已扩展到我们为AI设定的所有目标。因此，玩围棋对于AI来说是一项了不起的成就。真的吗？ （笑）我的意思是，好的。

所有基于性能的度量标准都存在问题，而图灵测试就是其中之一，那就是它避免了关于智能系统是什么的讨论或大问题。如果您可以欺骗某人，或者您可以通过某种巧妙的工程解决某项任务，那么您就已经达到了该基准，但是对于深入了解智能意味着什么，您并没有取得任何进展。

我认为，将来，许多智能机器将无法完成人类要做的任何事情。许多都将非常简单而小巧，就像老鼠或猫一样。因此，专注于语言和人类经验以及通过Turing测试的所有这些东西与构建智能机器无关。如果您想制造出像人类一样的机器，这是很重要的，但是我不认为我们总是想这样做。

您在书中讲述了一个故事，讲述了如何将手持电脑推销给Intel的一位老板，而后者却看不到它们的用途。那么，这些未来的AI会做什么？

我不知道。没人知道。但是，毫无疑问，我们会发现像智能手机一样可以为智能机器做的工作量之巨。在1940或50年代，没有人期望计算机能做什么。 AI也一样。会很好的有些不好，但大部分都是好的。

但我更愿意从长远角度考虑这一点。而不是问“建造智能机器的用途是什么？”我问：“人生的目的是什么？”我们生活在一个巨大的宇宙中，在这个宇宙中，我们什么都没有。从我小时候起，我就一直在问这个问号。我们为什么在乎什么？我们为什么要做所有这一切？作为一个物种，我们的目标是什么？

我认为这与保存基因库无关，而在于保存知识。如果您以这种方式考虑，那么智能机器就必不可少。我们不会永远存在，但是我们的机器可能会存在。

我觉得这很鼓舞人心。 我想要一个人生目标。 我认为AI（按照我的构想，不是今天的AI）实际上是一种在一段时间内不知所措的自我保护方式。