人工智能时代：破解人机共存密码（套装共10册）

计算机科学的兴起

但是如果物理学太简单，生物学又过于复杂，我应该在哪里寻求指导呢？与物理学中的力不同，大脑回路有一个目的，就是解决计算问题，比如看见和移动，以便在世界上生存。即使是一个关于神经元如何工作的完美的物理模型，也不会告诉我们它的目的是什么。神经元负责处理携带信息的信号，而计算则是试图理解大自然这一过程中缺失的环节。我在过去的40年中一直在追求这一目标，并开创了一个新的领域，叫作“计算神经科学”。

在加州大学圣迭戈分校结束博士后研究员工作之后，杰弗里·辛顿返回了英格兰，在剑桥医学研究理事会（MRC）的应用心理学部门找到了一个研究职位。1981年的一天，他在凌晨两点接到一个电话，对方自称是加利福尼亚州帕洛阿尔托市（Palo Alto）系统开发基金会总裁查尔斯·史密斯（Charles Smith）。^[18]史密斯表示，他的基金会希望为潜在的、有前景的，但风险较高、成功希望渺茫的研究提供资金，而有人强烈推荐了杰弗里。杰弗里不确定这件事可不可靠。作为我的一个好朋友，杰弗里向史密斯提到了我的研究，告诉他我的研究成功的概率比他的还要小。

基金会是货真价实的，还为我们提供了第一笔款项，这大大加快了我们的研究进度。我们可以买得起运算能力更强大的电脑，并吸引更多的学生加入。在杰弗里加入位于匹兹堡的卡内基–梅隆大学时，他用一台炫酷的Lisp机^[19]取代了他的二代苹果电脑；而在我搬到巴尔的摩的约翰·霍普金斯大学时，我短暂地拥有过比整个计算机科学系还要多的计算能力。^[20]我还购买了第一个将霍普金斯与阿帕网（ARPANET，互联网的前身）连接起来的调制解调器，这样杰弗里和我就可以互相发送电子邮件了。能够在新的起点有个好的开端，我们都感到很满意（图4–6）。

[1] Christoph von der Malsburg, “The Correlation Theory of Brain Function,”Internal Report 81–2 (Göttingen: Max-Planck Institute for Biophysical Chemistry,1981), https://fias.unifrankfurt.de/fileadmin/fias/malsburg/publications/vdMcorrelation. pdf.

[2] P. Wolfrum, C. Wolff, J. Lücke, and C. von der Malsburg. “A Recurrent Dynamic Model for Correspondence-Based Face Recognition,” Journal of Vision8, no. 34(2008): 1–18.

[19] 由Symbolis公司制造的Lisp机，是为能够编写符号处理的AI程序而设计的，但它们并不擅长进行大规模数字运算，而后者正是模拟神经网络所需要的。

[20] 1984年，作为美国国家科学基金会（NSF）总统青年研究员奖（PresidentialYoung Investigator Award）的获得者，我得到了新成立的计算机公司Ridge提供的巨大购买折扣，我买的这台计算机拥有匹敌VAX 780的计算能力，后者是当时学术计算领域的骨干机型。

洞察视觉系统

在我上幼儿园之前，最早期的记忆中有这么一个场景——我盯着一堆拼图，以形状、颜色和图案为线索来匹配它们。我的父母会在聚会上夸耀他们还在蹒跚学步的儿子能够快速熟练地完成拼图，而那些朋友常常对此表现得很惊讶。我那时还没有意识到，我的大脑正在完成它最擅长的工作——通过模式识别来解决问题。科学充满了各种各样的问题，就像拼图中缺失的部分和对拼合后画面的模糊提示。大脑如何解决问题，是终极谜题。

亥姆霍兹俱乐部（The Helmholtz Club）是南加州视觉科学家们组成的一个小团体。这些科学家来自加州大学圣迭戈、洛杉矶和尔湾三个分校，以及加州理工学院和南加州大学，他们每个月都会找一个下午在加州大学尔湾分校会面。^[1]赫尔曼·冯·亥姆霍兹（Hermannvon Helmholtz）是19世纪的一位物理学家和医生，他发明了一套关于视觉的数学理论和实验方法，构成了我们当今理解视觉感知的基础。作为俱乐部的秘书，我要负责从组织外部邀请一位嘉宾，为这15\~20名成员以及他们的客人进行演讲，然后由俱乐部成员做第二个演讲。演讲是互动性质的，大家有充足的时间进行深入讨论。有一次，一位外部演讲人对那些提出问题的人表现出了惊讶：“他们还真是喜欢刨根问底。”这些每月的例会让参与者收获了顶尖思维，几乎就是一堂堂视觉领域的大师课。^[2]

视觉是我们最敏锐，也是被研究得最多的一种感官。前额下方的眼睛带给了我们精准敏锐的双眼深度知觉，而我们的大脑皮层中一半的部分都是负责视觉的。“眼见为实”这句成语就充分体现了视觉的特殊地位。然而，也正是这种良好的视觉，导致我们完全忽视了视觉系统背后巨大的计算复杂性，大自然经过数亿年的进化才解决了这个问题（如第2章中所述）。视觉皮层的组织结构为最成功的深度学习网络提供了灵感。

05

在1/10秒内，我们视觉皮层中的100亿个神经元并行工作，能够在杂乱的场景中识别一个杯子，即便我们以前可能从未见过那个杯子，也不论它在什么位置，多大尺寸，以什么角度面对我们。在普林斯顿大学读研究生时期，我对视觉研究十分着迷，并且在查尔斯·格罗斯的实验室工作了一个夏天。他研究过猴子的下颞叶皮层（见图5–1），并在那里发现了对复杂对象，如脸部，以及著名的马桶刷，产生反应的神经元。^[3]

在哈佛医学院神经生物学系的时候，我曾与斯蒂芬·库夫勒一起工作，他之前发现了视网膜中的神经节细胞编码视觉场景的方式。如果不是在1980年过世，他可能会与大卫·休伯尔和托斯坦·威泽尔一起分享1981年的诺贝尔生理学或医学奖。在1989年转到索尔克研究所后，我开始与弗朗西斯·克里克合作。他于1977年将研究重点从分子遗传学转向神经科学，并专注于寻找视觉意识的神经关联。能够和当时最伟大的视觉科学家之一共事，我感到万分荣幸。

片来源：S. J.Thorpe and M. Fabre-Thorpe, “Seeking Categories in the Brain,” Sc ience291, no. 5502 (2001): 261。

人眼是如何看到东西的

如果我们跟随图像生成的信号进入大脑，就可以看到信号是如何在两个连续的处理阶段之间被不断转换的（见图5–1）。视觉始于视网膜，在那里，光感受器将光转换为电信号。视网膜内有两层神经元，它们在空间和时间维度中处理视觉信号，最后通过神经节细胞投射到视神经。