科技的最前沿是什么景象？普通人很難去觸碰。但本著吹牛無罪，意淫強身的理念，人工智能早已深入人心。

　　科技巨頭們紛紛憋著大招復制人腦。自從今年的《麻省理工科技評論》刊出全球十大突破技術以來，神經形態芯片的面世似乎提上了日程。它看起來比其他九個都更加神秘，其實這無非是一場蓄謀已久的思維遠行而已。

　　傳統人工智能的悖論

　　2012 年，谷歌展示了它的人工智能軟件在未被告知貓是什么東西的情況下，可以學會識別視頻中的貓，而完成這個任務用到了1.6萬臺處理器。細細品味，不得不承認谷歌做到了一件很偉大的事情。但品味過后，沒有人會對此感到恐慌。因為即使是技術強大如谷歌，也只不過是用復雜的方法做到了對我們來說很簡單的事情。

　　神經形態芯片與單純靠軟件來實現人工智能有本質上的區別。前者是通過仿生來實現人工智能，而后者的邏輯是建立在一個叫馮·諾依曼的美國人，1946年提出的存儲程序原理上。說白了在存儲器和處理器的信息傳遞通道選擇不同。

　　雖然“馮·諾依曼架構”支撐了計算機將近七十年的飛速發展，但隨著數據量指數級的增長，總線有限的數據傳輸速率就捉襟見肘了，官方稱之“馮·諾依曼瓶頸”。赤裸裸的美國版“成也蕭何敗蕭何”。

　　工匠不是造物主

　　其實在“馮·諾依曼架構”提出的十年后，IBM公司就創建了第一臺人腦模擬器（512 個神經元），一直在從事對類人腦計算機的研究，出發點是模仿突觸在人的神經系統中的存在。

　　人腦中突觸的量級是千億個，可這還不是重點，重點是這千萬億個突觸是有很強的可塑性的。可塑性意味著什么？記憶和學習！

　　IBM 2012年開發的模擬人腦的超級計算機已可模擬出相當于5千億神經元以及137億神經突觸的計算架構系統，但系統的運行速度相比于人腦要慢1542倍，根據計劃，2019年IBM將會利用88萬CPU，研制出與人腦速度相當的模擬人腦系統。

　　現在你可以斬釘截鐵的認為，計算機的確擁有了與人類一樣的學習能力。沒有夸大其詞，更沒有偷換概念。但是不是可以認為，坐等技術成熟，一個的新物種就華麗地誕生了？

　　ONE MORE THING

　　物種在維基百科的定義是：“生物分類的基本單位，位于生物分類法中最后一級，在屬之下。較為籠統的概念，是指一群或多或少與其它這樣的群體形態不同，并能夠交配繁殖出具生殖能力后代的相關生物群體”。關鍵詞——繁殖。

　　思考到這個層面會不會太上綱上線了？如果你恰好關注了上周科技圈的熱點話題，應該記得關于特斯拉CEO（ Elon Musk）的“人工智能威脅論”產生的論戰。其實這才叫上綱上線。科技是一把雙刃劍毋需贅言，但殺了人總不能將罪惡推給殺人的刀。如果人工智能帶來的危機不是來自物種層面的，就不要企圖去制造一種人機大戰的假象了。

　　THE PRIDE &JOY OF AN ARTISAN

　　當然我們不能因為對“威脅論”的失望，而忽略人工智能的偉大。即使我們現在能夠體驗到的人工智能都面臨著被調戲的尷尬，如果機器人能夠接受感官數據（比如圖像和聲音），并且不需要專門的程序就可以對其進行處理。這留給未來的想象空間實在太大，人類終于可以擺脫身理上的局限性，創造更多的可能和需求。我更愿意理解這會是人類歷史上，一次可以與直立行走相提并論的進化。

　　那些為這個初衷在黑暗中探索的科學家們是值得被世人尊敬的，雖然在科幻電影里的他們都化身為毀滅博士，給人類帶來滅頂之災，這只是一種無知的誤解。回歸感性，我們可以將人工智能準確的定位成一個聰明的傻瓜。TA的聰明是在人類的襯托下，貌似無所不知，無所不能。而TA本質上的傻卻是因為站在其自身的角度，存在沒有任何意義。

　　我思故我在是個非常深刻的哲學問題，這種層面的人工智能還在完全看不見的未來。所以還是三觀端正的解讀科技比較靠譜，現實有時候也沒有想象中的那么骨感。