02-生物学基础

7.1　生物学基础

人类的大脑是现存最令人难以置信的计算设备。它无法像微处理器那样快速地处理数字，但它适应新情况、学习新技能和创新的能力是任何已知的机器都无法超越的。自计算机诞生之日起，科学家就一直对大脑机制的建模很感兴趣。大脑中的每个神经细胞称为神经元（neuron）。大脑中的神经元通过名为突触（synapse）的连接彼此连成网。电流经过突触来驱动这些神经元网络，也称为神经网络（neural network）。

注意 　出于类比考虑，上述对生物神经元的描述是粗略的过于简化的说法。事实上，生物神经元包含轴突（axon）、树突（dendrite）和细胞核等部分，这会令人回想起高中的生物课。突触实际上是神经元之间的间隙，这里分泌出的神经递质（neurotransmitter）能够传递电信号。

尽管科学家已经识别出神经元的组成部分和功能，但我们对生物神经网络形成复杂思维模式的细节仍然未能很好地理解。它们是如何处理信息的？它们如何形成原创的想法？大部分对大脑工作方式的认识都来自宏观层面的观察。当人进行某项活动或思考某个想法时，对大脑进行功能性核磁共振（fMRI）扫描就会显示血液流动的方位（如图7-1所示）。通过这些宏观技术，我们能够推断出大脑各个部分的连接情况，但这些技术无法解释各个神经元如何帮助开发新想法的奥秘。

全球范围内的科学家团队都在竞相破解大脑的奥秘，但请考虑这一点：人类的大脑中大约有100 000 000 000（1000亿）个神经元，每个神经元可能连接的神经元多达数万个。即便计算机拥有数十亿个逻辑门和数万亿字节（TB）内存，用当前的技术也不可能对一颗人脑完成建模。在可预见的未来，人类仍可能是最先进的通用学习体。

注意 所谓的强人工智能（strong AI），也就是通用人工智能（artificial general intelligence），其目标就是获得与人类能力相当的通用学习机器。纵观历史，目前这仍然是存在于科幻小说中的事物。弱人工智能（weak AI）则是已司空见惯的AI类型：计算机智能地完成预先配置好的指定任务。

如果我们对生物神经网络并不完全了解，又该如何将其建模为高效的计算技术呢？虽然数字神经网络，称为人工神经网络（artificial neural network），受到了生物神经网络的启发，但也仅仅是受到了启发。现代的人工神经网络并不像对应的生物神经网络那样工作，事实上也不可能做到，因为生物神经网络如何开展工作尚不为人所完全了解。