通往强人工智能，少不了模拟大脑( 六 )_图1

再比如学习效率上，人类大脑也与机器智能大相径庭。谷歌的机器识别算法，在无监督的情况下自动学习识别“猫”的视觉图像，需要1 000台计算机联网合作。然而一个人类小孩在幼儿园玩玩具的功夫就能办到。机器如果真的有思维，恐怕早就变成柠檬精了。

而且，人脑决策时会运用许多隐知识（也就是下意识的直觉），而机器必须根据复杂多元的环境不断调整并改变策略，这就导致机器决策会出现明显的时延。比如在驾驶时，人类很容易就能够通过观察汽车、人行横道与路标，快速确定它们的通行顺序与相对位置。而传统的人工智能算法却需要在多个物体同时输入系统之后去精炼它们的相关信息，才能做出判断。这也是为什么自动驾驶只能在训练场里徘徊，迟迟无法走入真实道路的重要原因之一。

虽然深度学习发展到现在，已经借由许多其他技术的引入，改变和弥补了最初的一些不足，比如元学习的引入，让机器学习开始摆脱对数据量的依赖；与强化学习相结合，能够让智能体在自我对抗中学习推理……但总体而言，人脑恰好就是那种非程序的智能，而机器学习注定不是“终极答案”。

所以，AI转而寻找模拟大脑这个“真命天子”，也就顺理成章了。