Numenta聯(lián)合創(chuàng)始人Jeff Hawkins最近寫了一篇文章，名為“強人工智能的秘密”。他認為，目前的AI技術存在限制，如果想開發(fā)通用AI，我們必須尋找新方法，而向大腦學習是最好的捷徑。

在圖像識別、自動駕駛汽車及其它難以征服的領域，深度學習、卷積神經網絡等AI技術取得了相當大的突破。無數AI公司破土而出，它們也在追趕潮流，因為融資、收購速度正在加快。

盡管如此，一些頂尖AI研究人員已經意識到，事情似乎有些不對頭。雖然進步驚人，但是目前的AI技術仍然存在許多局限。例如，深度學習網絡需要幾百萬個訓練案例，然后才能正確運行，人類不一樣，很快就能學會。正是因為存在這種限制，所以深度學習網絡的應用范圍很小。雖然平均精準率很高，但是也會出現(xiàn)嚴重的失敗。

例如，即使圖像只是稍作更改，AI系統(tǒng)也會犯錯，將牙刷當成棒球棒。在某些應用中，這類錯誤可能會引發(fā)大災難，致人死亡或者受傷。因為存在這樣和那樣的限制，AI領袖們認為應該尋找不同的方案。Geoff Hinton是最著名的AI科學家之一，他最近就說自己對當前的AI技術“深表懷疑”，我們需要重新開始。Francois Chollet是深度學習網絡的知名專家，他也說：“我認為應該完全拋棄，然后重新開始。如果只是增強今天的深度學習技術，不可能達到一般智力的水平。”

Chollet認為，人類智力并無限制，而深度學習存在基本限制。事實上，人類大腦相當有彈性。人類不只會駕駛汽車，還能建造摩天樓，管理農場，給計算機編程。我們可以輕松拿起東西，比如咖啡杯，用手指靈活操縱它們，但是AI系統(tǒng)做不到。每一個人都學會了幾百項復雜技能，可以混合，快速完成。

從另一方面看，深度學習系統(tǒng)只能完成少量任務，一次只能做一件事。如果需要完成新任務，必須重新訓練。人類相當于通用學習機器，AI系統(tǒng)可不是這樣的。如果AI想持續(xù)取得成功，必須打破之前的限制，成為更具通用性的AI。

近來，AI科學家已經開始向人類大腦學習。谷歌DeepMind的聯(lián)合創(chuàng)始人Demis Hassibis說：“我們想開發(fā)‘一般智力’，真的可能嗎?人類大腦是目前存在的唯一證明，為什么人類有這樣的能力，是如何做到的，值得我們花時間研究理解。”

我很贊同。在過去30年里，我一直在研究人腦。2004年，我曾寫過一本書，名叫“On Intelligence”，我在書中指出AI的發(fā)展需要人腦理論支持。2005年，我曾與人聯(lián)合創(chuàng)辦Numenta公司，這是一家專注腦皮質逆向工程的公司，而腦皮質是人類大腦最大的部分，也是與智力關系最密切的部分。

我們想搞清一些問題，比如人腦細胞是如何協(xié)作的，從而形成認知和行為能力。人腦與當前的AI技術有許多相似點，這說明AI正在沿著正確的方向發(fā)展。不過二者也有明顯的不同。大腦的能力不只比當前AI系統(tǒng)強很多，而且人腦的物理架構也比AI人工神經網絡的架構復雜很多。大腦能做的事AI系統(tǒng)做不到。

Numenta的研究告訴我們人腦的運行遵循一些重要原則，最終我們認為AI也會遵循同樣的原則。例如，人腦的每一個神經元有幾千個突觸(也就是神經元之間的連接點)。我們仍然不知道大部分突觸是如何工作的。我們發(fā)現(xiàn)神經元用大部分突觸進行預測。

預測是在細胞內進行的，當我展望未來時，這些預測扮演了重要角色。AI人工神經元沒有這樣的能力，預測能力沒有大腦那么強。為什么大腦通過形成新突觸來學習新東西?我們還對原因有了深入的理解。深度學習依靠修改連接來學習，而人腦的學習方式更強大。為什么我們可以快速學習新東西，不會影響之前學到的內容?可能就是這個原因吧。

我們還有其它一些發(fā)現(xiàn)，這些發(fā)現(xiàn)對于智力來說至關重要，我想介紹一下最近的重要發(fā)現(xiàn)。人類是如何通過觸摸識別對象的?我們正在研究。以此作為基礎，我們發(fā)現(xiàn)腦皮質有一個新屬性，觸摸體現(xiàn)了這樣的屬性，視覺也體驗了這樣的屬性，凡是腦皮質所做的一切都體現(xiàn)出來。有時我會將這種屬性稱為“失去的部分”，或者正如本文標題所說的，找到了“強大AI的秘密”。最近，我們發(fā)表論文，介紹這一發(fā)現(xiàn)，今天我來簡要介紹一下。