--- schema_version: "library-reader-v1" source_type: "original_book" title: "生命3.0：人工智能时代，人类的进化与重生" author: null edition: null publisher: null year: null isbn: null library_document_id: "fe6a2288-ed21-4f87-869d-2d9d80ef9890" source_sha256: "311dbea1c4a092176e1d27ee211fd30c3810574735928e1559a8df3f25e5df8e" pdf_physical_page_count: 413 pdf_physical_page_index_base: 0 range_start: 80 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/fe6a2288-ed21-4f87-869d-2d9d80ef9890?start=80&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/fe6a2288-ed21-4f87-869d-2d9d80ef9890.md?start=80&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/fe6a2288-ed21-4f87-869d-2d9d80ef9890.md?start=70&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/fe6a2288-ed21-4f87-869d-2d9d80ef9890.md?start=90&limit=10" --- # 生命3.0：人工智能时代，人类的进化与重生 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=80 | PRINTED_PAGE=NOT_DETECTED 这个记忆装置是相当稳健的，因为即使它受到外力的摇晃或干扰，小球也很可能会保持在原来的那个“山谷”中，所以，你还是可以读出它存储的数字。这个记忆之所以如此稳定，是因为想要把小球拿出山谷所需的能量，比随机干扰所能提供的能量多得多。除了曲面上的小球之外，这个原理还可以被运用到更广泛的情况中，以提供稳定的记忆，复杂物理系统的能量可能依赖于各种各样的力学、化学、电学和磁学性质。不过，对于一个你希望记忆装置“记住”的状态，如果它需要一定的能量才能改变这个状态，那么这个状态就是稳定的。这就是为什么固体拥有许多长期稳定状态，而液体和气体却没有；如果你把某人的名字刻在一枚金戒指上，多年以后，这个信息依然在那里，因为重铸金子需要很大的能量，但如果你把它“刻”在池塘的水面，不到一秒钟，这个信息就会丢失，因为水面的形状不费吹灰之力就可以改变。 ## PDF_PHYSICAL_PAGE_INDEX=81 | PRINTED_PAGE=NOT_DETECTED 图2-3 记忆装置的物理定律 注：如果一个物理实体可以处于许多不同的稳定状态，那么它就可以用作“记忆装置”。左图中的小球编码了4个比特的信息，代表它处在24=16个“山谷”中的其中一个中。右图中的4个小球共编码了4个比特的信息，每个小球编码了1个比特的信息。 最简单的记忆装置只有两种稳定状态（如图2-3的右图所示）。因此，我们可以认为它是用二进制数字（简称“比特”），也就是0和1来编码信息的。同样地，复杂一些的记忆装置可以用多个比特来存储信息：比如，图2-3右图中的4个比特组合起来可以有2×2×2×2＝16种不同的状态：0000，0001，0010，0011，…，1111，因此，它们组合起来的记忆能力与更复杂一些的16态系统（如左图所示）是完全相同的。因此，我们可以把比特视作信息的“原子”，也就是不能被继续细分的最小信息单元，它们组合起来可以表示任何信息。举个例子，我刚在笔记本电脑上打出了“word”这个单词，在电脑的内存中，它用一个由4个数字组成的序列来表示：119 111 114 100，每个数字存储为8个比特，每个小写字母的编码是96加上它在字母表中的序数。当我在键盘上敲出“w”这个字母时，我的笔记本电脑屏幕上显示出了“w”的视觉图像，这个图像同样也是由比特来表示的：电脑屏幕上共有几百万个像素，每个像素需要32个比特来规定它的颜色。 由于双态系统生产和使用起来都很容易，大多数当代计算机都是用比特的方式来存储信息。不过，比特的体现方式多种多样。在DVD碟片上，每个比特代表其塑料表面上某一点是否存在一个微型凹坑。在硬盘中，每个比特代表它表面的某个点采用的是二选一的磁化方法。在我笔记本电脑的工作内存中，每个比特代表决定“微型电容”是否充电的某个电子位置。某些比特可以方便地传输，甚至能达到光速：例如，在你用来发送电子邮件的光纤中，每个比特代表一个激光束在某一时刻是强还是弱。 工程师喜欢将比特编码进那些不但稳定易读（就像金戒指），而且易于写入的系统中，比如硬盘，改变硬盘的状态所需的能量可比在金子上刻字少多了。他们还偏爱那些使用起来很方便，并能很便宜地进行大规模生产的系统。但除此之外，他们并不关心比特在物理实体中是如何体现的，大部分时候，你也不会关心这件事，因为它根本不重要！如果你通过电子邮件给你的朋友发送了一个需要打印的文件，从硬盘上的磁化到电脑工作内存中的电荷、无线网络中的无线电波、路由器的电压以及光纤中的激光脉冲，信息会以极快的速度在其中复制，最终换句话说，信息仿佛拥有自己的生命，而与它的物质形态如何没有关系。确实，我们感兴趣的只是这些独立于物质形态的信息，如果朋友给你打电话讨论你发送给他的那份文件，他并不是要和你讨论关于电压或分子的事情。这是我们获得的第一个启示：智能这样的无形之物可以体现在有形的物质形式之上。接下来我们将会看到，“物质层面的独立性”这种属性其实具有更深的意义，不仅涉及信息，还与计算和学习有关。 ## PDF_PHYSICAL_PAGE_INDEX=82 | PRINTED_PAGE=NOT_DETECTED 正因为信息可以独立于物质形态而存在，聪明的工程师们才能一次又一次地用新技术更新计算机的记忆装置，而不需要对软件做任何改变。结果相当惊人，如图2-4所示，在过去的60年里，每隔几年，计算机内存就会变得比之前便宜一半。硬盘的价格便宜了1亿倍，而主要用于计算而不只是存储的快速内存的价格骤降了10万亿倍。如果买东西时我们也能获得“99.99999999999%”这么大的折扣力度，那么你只需要花10美分就能在纽约市买一栋房子，也只需花1美元就能买下人类历史上开采出来的所有黄金。 ## PDF_PHYSICAL_PAGE_INDEX=83 | PRINTED_PAGE=NOT_DETECTED 对许多人来说，存储技术的巨大进步都与自己的成长息息相关。我记得上高中时，为了买一台内存为16KB的计算机，不得不在一家糖果店里打工。我和我的同学马格努斯·博丁（Magnus Bodin）为这台计算机写了一个文字处理软件，当时我们被迫用超级紧凑的机器码(18)来写，就为了给它要处理的文字信息留点空间。在习惯70KB内存的软盘之后，我被3.5英寸大的软盘震惊了，因为它体积更小，却能存储1.44MB的内容，足以装下一整本书。后来，我拥有了我人生中的第一个硬盘，它可以存储10MB的内容，放到今天，它可能连一首歌曲都装不下。这些青春期的故事回忆起来很不可思议，因为今天的我花100美元就能买到一个比以前的存储空间大30万倍的硬盘。 这些都是人类设计的记忆装置。那么，那些进化而来的记忆装置呢？生物学家还不知道第一个能够复制上一代蓝图的生命形式是什么，但我们猜想，它可能非常微小。2016年，剑桥大学的菲利普·霍利格（Philipp Holliger）带领团队制造了一个RNA分子，它编码有412个比特的遗传信息，能够复制比自己更长的RNA链。这个成果为一个叫作“RNA世界”（RNA world）的假说提供了支持。这个假说认为，早期的地球生命与一些能自我复制的RNA短片段有关。目前，已知进化产生并生存于野外的最小记忆装置是一种名叫Candidatus CarsonellaRuddii的细菌的基因组，它可以存储40KB的信息，而我们人类的DNA能存储1.6GB的信息，与一部电影的大小差不多。正如在第1章提到的，我们大脑存储的信息比基因多多了：大脑中差不多有10GB的电子信息，它们详细描述了在任意时刻，在你的1 000亿个神经元中，有哪些正在放电；还有100TB的化学／生物信息，它们详细描述了神经元之间突触连接的强度。将这些数字与机器记忆相比较，你就会发现，当今世界上最好的计算机的记忆能力比任何生物系统都强大，并且，它们的价格下降得非常快，到了2016年，只需要几千美金就可以买到。 ## PDF_PHYSICAL_PAGE_INDEX=84 | PRINTED_PAGE=NOT_DETECTED 大脑的记忆原理与计算机的信息存储原理截然不同，这不仅体现在它的构成上，还体现在它的使用方式上。你在计算机或硬盘上读取记忆的方式是通过它存储的位置，但你从大脑中读取记忆的方式则是依据它存储的内容。在计算机内存中，每组比特都拥有由一个数字组成的地址。当需要读取某些信息时，计算机检索的是它的地址，这就好像在说：“请你从我的书架上取出最顶层从右往左数的第5本书，然后告诉我第314页上说了什么。”相反，你从大脑中读取信息的方式却更像搜索引擎：你指定某个信息或与之相关的信息，然后它就会自动弹出来。比如，当你听到“生存还是……”这个短语时，它很可能会在你脑中触发“生存还是毁灭，这是一个值得考虑的问题”这句话；如果你在网上搜索这个短语，搜索引擎也很可能会给你同样的搜索结果。实际上，即便我引用的是这句话中的另外一部分，甚至弄混一些字词，结果可能还是一样的。这种记忆系统被称为“自联想”（auto-associative），因为它们是通过联想而不是地址来进行“回想”的。 ## PDF_PHYSICAL_PAGE_INDEX=85 | PRINTED_PAGE=NOT_DETECTED 1982年，物理学家约翰·霍普菲尔德（John Hopfield）在一篇著名的论文中向人们展示了一个由互相连接的神经元组成的网络，它能够实现自联想记忆的功能。我觉得他的基本观点非常棒，对于许多拥有多个稳定状态的物理系统来说，这个观点都成立。例如，一个小球位于一个拥有两个“山谷”的曲面上，就像图2-3中显示的单比特系统那样。让我们对这个曲面做一点设定，让两个最低点的x坐标分别为$\chi = \sqrt { 2 } \approx 1 . 4 1 4 2 1$ 和 $\scriptstyle 1 \mathrm { { x } = \pi } \approx 3 . 1 4 1 5 9$ 。如果你只记得π与3很接近，但不记得π的具体值，那么你只需要把小球放到π=3处，然后看它滚落入最近的最低点，它就能向你揭示出一个更精确的π值。霍普菲尔德意识到，一个更复杂的神经元系统可以提供一个类似的“地形”，其上有许许多多能量极小值，系统可以稳定在这些能量极小值上。后来人们证明，你可以在每1 000个神经元中塞进多达138个不同的记忆，而不会引起较大的混乱。 什么是计算 现在，我们已经看到了一个物理实体是如何记忆信息的。那么，它又是如何计算的呢？ 计算是由一个记忆状态向另一个记忆状态转变的过程。换句话说，计算会使用信息，并运用数学家们所谓的函数来转变信息。我把函数视为信息的“绞肉机”，正如图2-5中所示：你可以从上方放入信息，转动曲柄，然后从底部获得被处理过的信息。你可以输入不同的信息来重复这个过程。如果你输入的是同样的信息，并重复这个过程，那么，这个信息处理过程是确定性的，你每次都会获得相同的输出结果。 ## PDF_PHYSICAL_PAGE_INDEX=86 | PRINTED_PAGE=NOT_DETECTED 注：函数ƒ（左图）使用一些代表数字的信息，并计算出它的平方。函数g（中图）使用一些代表棋子位置的信息，计算出白棋最佳的走位。函数h（右图）使用一些代表图像的信息，并计算出一个描述图像的文本标签。 虽然这个计算过程听起来简单得令人难以置信，但实际上，函数的应用范围非常广泛。有些函数相当简单，比如，NOT函数的输入与输出信息是相反的，因此，它能将0变成1；反之亦然。我们在学校里学的函数通常只相当于计算机上的按钮，当你输入一个或多个数字时，它就会输出一个数字。比如，函数x2就是将输入数字乘自身之后输出的结果。还有一些函数很复杂。比如，如果你有一个函数，当输入象棋的位置信息时，它就能输出下一步的最佳走位，那你就能用这个函数来赢得世界计算机国际象棋锦标赛（World Computer ChessChampionship）。如果你有一个函数，当输入全世界所有的金融数据时，它就能计算出盈利最佳的股票，那你就能用它大发横财。许多人工智能研究者都致力于研究如何执行某些函数。比如，机器翻译研究的函数能将某种语言的输入文本信息转变成另一种语言并输出，自动字幕研究的函数能将输入的图像信息转变成描述文本（如图2-5右图所示）。 也就是说，如果你能执行高度复杂的函数，那么你就可以建造一台能够完成高度复杂目标的智能机器。这将讨论的焦点投向了我们的问 ## PDF_PHYSICAL_PAGE_INDEX=87 | PRINTED_PAGE=NOT_DETECTED 题：物质何以产生智能？尤其是，一团呆笨无生命的物质是如何计算出一个复杂函数的结果的？ 与物质形态固定的金戒指或其他静态记忆装置不同，计算系统必须展现出复杂的动态性，这样，它的未来状态就会以某种复杂的（希望是可控的，或是可编程的）方式与当前状态相联系。它的原子组合应该比无聊的坚硬固体更混乱，但又比液体或气体更有秩序。具体而言，我们希望这个计算系统拥有以下性质：如果让它保持在一个编码了输入信息的状态，让其根据物理定律演化一段时间，便能解读它输出的最终状态，最后，这个输出信息符合我们想要的函数计算的结果。如果是这样，那我们就可以说，这个系统计算的是我们想要的函数。 举个例子，一起来看看我们如何从平淡无奇、单调愚钝的物质中构建出一个非常简单却又非常重要的函数——与非门(19)。这个函数的输入为两个比特，输出为一个比特：如果两个输入都是1，那它的输出就是0；否则输出就是1。如果我们将两个开关、一块电池和一块电磁铁顺次连接，那么，只有当第一个开关和第二个开关都闭合时，电磁铁才会通电（“开启”）。现在，让我们在电磁铁下方放置第三个开关（如图2-6所示），每当电磁铁通电时，这个开关就会断开。如果我们把前两个开关看作输入信息，把第三个开关视为输出结果，其中，0=开关断开，1=开关闭合，那么，我们就做出了一个与非门：只有在前两个开关都闭合时，第三个开关才会断开。若想构建更实用的与非门，还有许多其他方法，比如，使用图2-6右图所示的晶体管。在现如今的计算机中，与非门通常是由微型晶体管等能自动蚀刻在硅片上的电子元件制作而成的。 ## PDF_PHYSICAL_PAGE_INDEX=88 | PRINTED_PAGE=NOT_DETECTED 注：所谓的“与非门”使用两个信息A和B作为输入信息，并根据下列规则计算出一个输出信息C：如果A=B=1，那么C=0；否则C=1。许多物理系统都可以用作与非门。在中间的例子中，我们将开关解读为信息，其中0=开关断开，1=开关闭合，如果开关A和B都闭合，那电磁作用就会断开开关C。在最右边的例子中，电压（电势）也被解读为信息，其中1=5伏，0=0伏，并且，当电线A和B都是5伏时，两个晶体管通电，电线C的电压会降至接近0伏。 计算机科学中有一个非凡的公理，认为与非门是通用的。意思是说，如果你想要执行任何定义明确的函数(20)，只需要将若干个与非门以某种方式连接起来就可以了。因此，只要你能制造出足够多的与非门，就能建造一台能计算任何东西的机器。如果你想一窥它是如何工作的，请看图2-7，我在图中画出了如何只用与非门来做加乘法。 ## PDF_PHYSICAL_PAGE_INDEX=89 | PRINTED_PAGE=NOT_DETECTED 注：任何定义明确的计算过程都可以用与非门组合起来的系统来执行。例如，在这张图中，加法模块和乘法模块都输入两个用4个比特来表示的二进制数字，并分别输出用5个和8个比特来表示的二进制数字。相应地，更小一些的模块“非门”“与门”“或非门”和“＋”（将3个1比特的二进制数字加总为一个2比特的二进制数字）也是由与非门构建出来的。想要完全理解这张图片是很难的，不过，这张图对理解本书接下来的内容没太大帮助，我在这里放这张图只是为了解释“通用性”（universality）的思想，也为了满足我内心中的那个“极客”的自己。 麻省理工学院研究者诺曼·马格勒斯（Norman Margolus）和托马索·托福利（Tommaso Toffoli）提出了“计算质”（computronium）的概念。计算质指的是可以执行任何计算的任何物质。我们已经看到，获得计算质并不是一件非常困难的事：这种物质只要能够执行以我们想要的方式连接在一起的与非门就行。事实上，还存在许多其他类型的计算质。有一种成功的计算质用“或非门”(21)来取代与非门。或非门只有当两个输入数据都是0时，才会输出1。在下一章节，我们将探索神经网络，它也能够执行任意的计算，即可以作为计算质。科学家兼企业家斯蒂芬·沃尔夫拉姆（Stephen 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/fe6a2288-ed21-4f87-869d-2d9d80ef9890.md?start=90&limit=10)