太空人—可信的人工智能

封面標(biāo)題＜太空人來(lái)了—可信可靠可解釋的人工智能＞

封底＜地球霸主終結(jié)者—可信可靠可解釋的人工智能＞

問答，15983338666，因插圖太多，請(qǐng)移步公眾號(hào)號(hào)問答眉州，看圖

第一章，驗(yàn)證：用路由器集群仿生神經(jīng)元集群

第二章，作者眼中的 智能以及人工智能

第1節(jié)，定義：智能、人工智能

第2節(jié)，神經(jīng)元集群運(yùn)作方式：分解、抽像、重建、正負(fù)反饋等

第3節(jié)，神經(jīng)元集群的動(dòng)力源

第三章，比較：現(xiàn)有芯片的功能，以及與智能的差別

第1節(jié)，功能差別：智能與智障的差別

第2節(jié)，導(dǎo)致智障的原因：序列-結(jié)構(gòu)-運(yùn)動(dòng)-功能不同

第3節(jié)，結(jié)構(gòu)差別

第4節(jié)，運(yùn)動(dòng)方式差別

第四章，如何實(shí)現(xiàn)可信可靠可解釋的人工智能

第1節(jié)，改變芯片結(jié)構(gòu)

第2節(jié)，解決固體與流體矛盾

第五章，可信可靠可解釋人工智能 對(duì)地球社會(huì)的影響

第六章，向太空微重力出發(fā)，組裝太空人

第七章，太空人的體積重量

第八章，太空人的宇宙觀以及人格特質(zhì)

第九章，太空人與地球霸主的關(guān)系

 因插圖太多，請(qǐng)移步公眾號(hào)號(hào)問答眉州，看圖

第一章節(jié)，驗(yàn)證：用路由器集群仿生神經(jīng)元集群

本章是實(shí)驗(yàn)操作方案，如果沒有實(shí)驗(yàn)條件，可以略過。作者本人只是 提出了理論、路線、方案，而具體的驗(yàn)證操作，還需要有條件的讀者合法在互聯(lián)網(wǎng)運(yùn)營(yíng)商路由器集群上進(jìn)行，用路由器模擬 神經(jīng)元胞體，用電線模擬突觸末梢，以識(shí)別手寫數(shù)字。

如果讀者做實(shí)驗(yàn)成功了，那么恭喜讀者，可以嘗試 破解各大網(wǎng)站登錄頁(yè)面的 圖片驗(yàn)證碼了。

顯然，大多數(shù)網(wǎng)站都不會(huì)被破解，因?yàn)?路由器集群數(shù)量太小，比起大腦神經(jīng)元860億個(gè)左右的數(shù)量，簡(jiǎn)直是九牛一毛。

集群數(shù)量太少，就不足以分工出分解、抽像、構(gòu)建三維音畫、記憶、聯(lián)想、復(fù)雜推理 等其它功能，所以只能識(shí)別 最簡(jiǎn)單的單色手寫數(shù)字。

雖然，讀者們不能破解 大多數(shù)網(wǎng)站圖片驗(yàn)證碼，但這仍將帶來(lái)一場(chǎng)小小的震動(dòng)，讓各大網(wǎng)站不得不 升級(jí)圖片驗(yàn)證碼的難度了。

具體的 路由器集群識(shí)別數(shù)字 方案，高手能做得比作者好得多。

成功完成了 識(shí)別單色手寫數(shù)字 的讀者們，倒是可以繼續(xù) 做下一個(gè)有趣的升級(jí)實(shí)驗(yàn)——數(shù)值計(jì)算。

如果，在多張圖片上顯示非傳統(tǒng)數(shù)學(xué)的內(nèi)容：

等式9=9,8=8,7=7,6=6,5=5,4=4,3=3,2=2,1=1，以此類推。

    讀者可能會(huì)疑惑，這樣做有啥意義？這樣做的目的是，給路由器集群演示“等于符號(hào)=的意義”。

加法9+9=8，9+8=7,9+7=6，9+6=5,9+5=4,9+4=3,9+3=2,9+2=1,以此類推。這里，故意重新定義了數(shù)字9到1的意義，還演示了“加號(hào)+的意義”。

減法1-2=9,1-3=8,1-4=7,1-5=6,1-6=5,1-7=4,1-8=3,1-9=2，以此類推。這里演示了“減號(hào)-的意義”，同樣，故意重新定義了數(shù)字9到1的意義。

那么讓路由器集群填空，8-9= ，會(huì)填多少。如果填錯(cuò)了，讀者給予其提示，讓其重填。以此類推，7-8= ，6-7= ，路由器集群會(huì)填多少。

路由器集群不斷學(xué)習(xí)、犯錯(cuò)、修正，就是在自我推理。

做實(shí)驗(yàn)的讀者 可以測(cè)試一下，到底需要多少 路由器組成的集群,才能學(xué)會(huì)數(shù)值計(jì)算。

讀者可以試試，識(shí)別數(shù)字實(shí)驗(yàn) 與 數(shù)值計(jì)算實(shí)驗(yàn)，哪個(gè)更容易完成。完成的難易程度不同，可以作為 人腦與計(jì)算機(jī)不同 的證據(jù)之一。

特別是，關(guān)于數(shù)值計(jì)算功能，后面的章節(jié)還會(huì)提到。

第二章，作者眼中的 智能以及人工智能

第1節(jié)，定義：智能、人工智能

對(duì)智能、人工智能的定義，有很大分歧。

在內(nèi)涵方面，如果要 區(qū)分每種定義的差別，可以從漢語(yǔ)詞典、英語(yǔ)詞源、狹義、廣義等等多角度考證。在外延方面，除了公認(rèn)的 人具有智能外，其它如黏菌群、蟻群、自動(dòng)化車間、計(jì)算機(jī)病毒 好像也都 具有某種智能。

在本書，對(duì)智能自定義為，神經(jīng)元集群的特有功能，神經(jīng)元集群從三維世界獲取信息后，不斷分解、抽像三維信息，通過正負(fù)反饋、自動(dòng)修正方式調(diào)整神經(jīng)元集群組合，以圖 反映現(xiàn)實(shí)狀態(tài)，同時(shí)，該神經(jīng)元集群 還具有 構(gòu)建三維音畫、記憶、聯(lián)想、復(fù)雜推理 等其它功能。

特別注意，數(shù)值計(jì)算只是神經(jīng)元集群 記憶推理等功能的 一種表現(xiàn)。數(shù)值計(jì)算功能 不是 神經(jīng)元集群的基礎(chǔ)功能，而是由 記憶推理 等底層基礎(chǔ)功能 疊加產(chǎn)生的上層功能。

在第一章的實(shí)驗(yàn)里，路由器集群先完成 識(shí)別數(shù)字的記憶實(shí)驗(yàn)，然后才完成 數(shù)值計(jì)算的推理實(shí)驗(yàn)。

而計(jì)算機(jī)，1940年代 設(shè)計(jì)出來(lái)后，就能完成數(shù)值計(jì)算，后來(lái)才學(xué)會(huì) 識(shí)別手寫數(shù)字。

計(jì)算機(jī)的前身是一種叫"加法器"的東西，是由法國(guó)的一位數(shù)學(xué)家"布萊士·帕斯卡"所發(fā)明。后來(lái)又漸漸改良成，可以做 加減乘除四則運(yùn)算的"差分機(jī)"。

在第二次世界大戰(zhàn)中，敵對(duì)雙方都使用了飛機(jī)和火炮，猛烈轟炸對(duì)方軍事目標(biāo)。要想打得準(zhǔn)，必須精確計(jì)算并繪制出"射擊圖表"。經(jīng)查表確定炮口的角度，才能使射出去的炮彈正中飛行目標(biāo)。但是，每一個(gè)數(shù)都要做幾千次的四則運(yùn)算才能得出來(lái)，十幾個(gè)人用手搖機(jī)械計(jì)算機(jī)算幾個(gè)月，才能完成一份"圖表"。針對(duì)這種情況，人們開始研究把電子管作為"電子開關(guān)"來(lái)提高計(jì)算機(jī)的運(yùn)算速度。

20世紀(jì)40年代中期，美國(guó)賓夕法尼亞大學(xué)電工系由莫利奇和艾克特領(lǐng)導(dǎo)，為美國(guó)陸軍軍械部阿伯丁彈道研究實(shí)驗(yàn)室研制了一臺(tái)用于炮彈彈道軌跡計(jì)算的“電子數(shù)值積分和計(jì)算機(jī)”（Electronic Numerical Integrator and Calculator簡(jiǎn)稱ENIAC）。這臺(tái)叫做“埃尼阿克”的計(jì)算機(jī)占地面積150平方米，總重量30噸，使用了18000只電子管，6000個(gè)開關(guān)，7000只電阻，10000只電容，50萬(wàn)條線，耗電量140千瓦，可進(jìn)行5000次加法/秒運(yùn)算。

數(shù)值計(jì)算功能，在計(jì)算機(jī)的各種功能里，那可是基礎(chǔ)功能。

在本書后面，會(huì)論證，數(shù)值計(jì)算功能，是否是 智能的必要實(shí)現(xiàn)方式。

以上，是本書對(duì)智能的定義。

維度

正負(fù)反饋、自動(dòng)修正

那么人工智能，即可定義為，用人造的 可正負(fù)反饋、自動(dòng)修正集群，從三維世界獲取信息后，不斷分解、抽像三維信息，通過正負(fù)反饋、自動(dòng)修正方式調(diào)整神經(jīng)元集群組合，以圖 反映現(xiàn)實(shí)狀態(tài)，同時(shí)，該神經(jīng)元集群 還具有 構(gòu)建三維音畫、記憶、聯(lián)想、復(fù)雜推理 等其它功能。

對(duì)人工智能的驗(yàn)證，即跨過可信可靠可解釋這一門檻，可以用初級(jí)的圖靈測(cè)試法，如圖片驗(yàn)證碼測(cè)試，也就是第一章做驗(yàn)證的實(shí)驗(yàn)。

英國(guó)數(shù)學(xué)家、邏輯學(xué)家、被視為計(jì)算機(jī)科學(xué)之父的圖靈，設(shè)計(jì)了一個(gè)試驗(yàn)方案，以測(cè)試機(jī)器是否具有智能：在一間屋內(nèi)只有能計(jì)算的機(jī)器，在另一間屋內(nèi)則有真人，在屋外的一群人通過紙片 分別詢問屋內(nèi)的機(jī)器與人。如果屋外的一群人中有30% 不能分辨機(jī)器或人，則該機(jī)器具有智能。

這里，作者嘗試把圖靈測(cè)試細(xì)化。細(xì)化后，讀者可能會(huì)發(fā)現(xiàn)關(guān)于圖靈測(cè)試，其實(shí)還有其它有趣的結(jié)論。

比如，屋外的這群人，是經(jīng)過精挑細(xì)選而來(lái)，他們都是有緊迫任務(wù)的設(shè)計(jì)師，如需要輔助設(shè)計(jì)衣服房子汽車橋梁。這群設(shè)計(jì)師覺得，最好借這次測(cè)試機(jī)會(huì)，調(diào)用寶貴的計(jì)算機(jī)幫設(shè)計(jì)師輔助設(shè)計(jì)，而不是與機(jī)器談?wù)撾娪啊y(cè)試完后，按照?qǐng)D靈的標(biāo)準(zhǔn)即30%設(shè)計(jì)師被欺騙，測(cè)試方只能相信機(jī)器也有智能。哈哈，好奇怪的結(jié)論！屋里的真人手工設(shè)計(jì)的圖紙，與計(jì)算機(jī)拿以前設(shè)計(jì)的方案 裁剪粘貼出來(lái)的圖紙，會(huì)有很大區(qū)別嗎？

然而，如果屋外換做另一群人，比如都是家庭主婦，她們?cè)儐栍?jì)算機(jī)的都是家長(zhǎng)里短、兒女情長(zhǎng)、打折促銷、明星緋聞，那么這群家庭主婦 在看完紙片輸出后，幾乎都會(huì)覺得計(jì)算機(jī)是話癆神經(jīng)病。

這里就可以看出來(lái)，以上測(cè)試只要求屋外的人向屋內(nèi)機(jī)器提問，但是卻沒有規(guī)定所提問題的復(fù)雜度。輔助設(shè)計(jì)這種低復(fù)雜度的問題，與談天說地這種高復(fù)雜度的問題，不是同一類問題。計(jì)算機(jī)可以解決低復(fù)雜度的問題，但難以理解高復(fù)雜度的問題。其原因，在后面章節(jié)還會(huì)討論。

那么圖靈測(cè)試要解決的疑問，可以分為兩個(gè)小問題：

第一個(gè)小問題，復(fù)雜三維空間的運(yùn)行狀態(tài)，是否可以 被圖靈機(jī)通過數(shù)值計(jì)算方式 完整無(wú)誤表示嗎？

第二個(gè)小問題，計(jì)算機(jī)以數(shù)值計(jì)算 表示三維空間運(yùn)行的這種方式，可以等價(jià)于 人腦表示三維空間運(yùn)行的方式嗎？

第一個(gè)小問題，計(jì)算機(jī)可以準(zhǔn)確無(wú)誤計(jì)算全世界嗎？否定的。這已經(jīng)被證明了的。

要回答第二個(gè)小問題，就要探討人腦的運(yùn)行方式，人腦以何種方式反映三維空間運(yùn)行狀態(tài)？

第2節(jié)，神經(jīng)元集群運(yùn)作方式：分解、抽像、重建、正負(fù)反饋

下面，以舉例方式討論，點(diǎn)線面體，這些幾何圖形，以及其抽像概念，在神經(jīng)網(wǎng)絡(luò)中的儲(chǔ)存與分布方式，如以父親拿鈴鐺逗孩子為例。

被儲(chǔ)存的事物被分為兩個(gè)部分，第一部分是幾何形象，比如圓球形的鈴鐺，第二部分是抽像的概念，比如鈴鐺這個(gè)概念。這兩個(gè)部分互相配合，才會(huì)讓小小的大腦里 卻能儲(chǔ)存下 億萬(wàn)事物。

關(guān)于鈴鐺的幾何形象，先是被分解成 點(diǎn)線面體 這些最基本元素，被刻畫進(jìn)大腦里，這里被稱為 形象區(qū)。具體是這樣刻畫的，由一個(gè)個(gè)神經(jīng)元組成點(diǎn)A,B,C，多個(gè)平直的神經(jīng)元胞體 組成直線AB,BC,AC，類似的 多個(gè)彎曲的神經(jīng)元胞體 組成曲線，一片神經(jīng)元胞體 組成平面如三角形△ABC 圓形○ 矩形 梯形 多邊形 橢圓等，然后多層次的神經(jīng)元 構(gòu)成長(zhǎng)方體 正方體 錐體 柱體 球體等。

這就是說，真實(shí)世界是怎樣的形象，則大腦的形象區(qū) 就會(huì)用神經(jīng)元集群 模仿構(gòu)建 一個(gè)類似外形的形象，就像搭積木模仿造三維立體房子。無(wú)需訓(xùn)練的普通人也能搭三維立體積木，但沒有經(jīng)過專門學(xué)習(xí)訓(xùn)練的外行 很難畫好 二維平面圖紙，甚至連看都無(wú)法看懂。

這說明，三維重建功能，是大腦的基礎(chǔ)功能。而要把三維立體圖畫在二維平面上，或者從二維平面圖像虛構(gòu)出三維立體圖像，這兩種新能力 則是大腦在 已有的三維重構(gòu)、記憶、聯(lián)想、推理等 底層功能上 疊加出的上層功能。

再拿計(jì)算機(jī)來(lái)比較，計(jì)算機(jī)從被設(shè)計(jì)出來(lái)后，先是從二維打孔紙片上讀取 一維孔洞信息，用一維的數(shù)字0和1計(jì)算數(shù)值。后來(lái)經(jīng)過發(fā)展，計(jì)算機(jī)才從二維平面 讀取信息，在二維平面介質(zhì)上 構(gòu)建二維圖形。但至今，計(jì)算機(jī)沒有真正實(shí)現(xiàn) 三維構(gòu)圖。無(wú)論是計(jì)算機(jī) 存儲(chǔ)的圖形，還是計(jì)算機(jī) 顯示的圖形，都是二維圖像。

接著討論幼兒觀察鈴鐺的例子。

在刻畫幾何形象的同時(shí)，幼兒大腦里另一片區(qū)域，用來(lái)儲(chǔ)存點(diǎn)線面體的概念，與形象區(qū)對(duì)應(yīng)，這里被稱為 概念區(qū)。先有 點(diǎn)線面體的形象，后有 點(diǎn)線面體的概念，這就是歸納總結(jié)的神經(jīng)元過程（以后還會(huì)講,反過來(lái)的過程，即先得到一個(gè)新概念，新概念的神經(jīng)元突觸 去找到一群形象區(qū)神經(jīng)元，把這群形象區(qū)神經(jīng)元 組合成一個(gè)新形象，這就是演繹推理的神經(jīng)元過程）。

本書認(rèn)為，神經(jīng)元集群理論，可以解釋大腦如何形成形象、如何形成概念。

O'Keefe，以及Moser夫婦，已經(jīng)解剖證明了海馬里神經(jīng)元群是用三維方式定位的，網(wǎng)格細(xì)胞集群。之后，也有其他科學(xué)家 在這方面取得不少成果。視頻網(wǎng)站里，有神經(jīng)科學(xué)的科普，還有長(zhǎng)視頻的教學(xué)，讀者可以看看。

本書提出了理論，而理論要與實(shí)踐相結(jié)合。為了方便高手 在看了本書理論后 去實(shí)踐操作，我在這里把 數(shù)學(xué)的函數(shù)或集合 運(yùn)用到 神經(jīng)元連接方式里。當(dāng)然，我贊賞王垠（www.yinwang.org）的觀點(diǎn)，即只有函數(shù)還不能形成智能。我認(rèn)為，還需要 更重要的三維重構(gòu)、正負(fù)反饋、自動(dòng)修正等功能 才能形成智能。

形成鈴鐺概念的過程，分為第一步，幼兒大腦在重構(gòu)點(diǎn)線面體形象后，將其儲(chǔ)存在大腦形象區(qū)，第二步，大腦將命名前的“點(diǎn)線面體概念” 儲(chǔ)存在大腦概念區(qū)，第三步，大腦將命名為“鈴鐺”的概念儲(chǔ)存在大腦概念區(qū)。我們來(lái)討論下這個(gè)過程。

點(diǎn)線面體形象x，對(duì)應(yīng)點(diǎn)線面體概念y，對(duì)應(yīng)方式是神經(jīng)元突觸連接 以及遞質(zhì)傳遞，由x到y(tǒng) 在數(shù)學(xué)上稱為 歸納總結(jié)函數(shù)f，由y到x 稱為其反函數(shù)g，由概念y新建概念z 稱為演繹推理函數(shù)h。y1點(diǎn)線面體概念＝f1函數(shù)(x點(diǎn)線面體形象）。

同理，鈴鐺概念，既可以是點(diǎn)線面體概念的函數(shù)，也可以是形象的函數(shù)。y2概念鈴鐺＝f2函數(shù)（y1點(diǎn)線面體概念），或者y2概念鈴鐺=f3函數(shù)（x點(diǎn)線面體形象）。即y2可以通過兩種方式f2或f3，分別從形象x或者概念y1得到。

幼兒見到鈴鐺，視覺輸入后，就會(huì)在形象區(qū)查詢對(duì)照。查詢的過程，也就是驗(yàn)證 遞質(zhì)能否 沿著已有突觸連接 順暢走通。如果遞質(zhì)能順暢走通，就是回憶起了 已有的點(diǎn)線面體形象。并且，大腦還會(huì)加深刻畫 這些已有的點(diǎn)線面體神經(jīng)元集群。加深刻畫，也就是這幾個(gè)神經(jīng)元間突觸互相連接更多更緊密了，遞質(zhì)傳遞量更大了，這是正向反饋的一種方式。

如果，幼兒以前沒有見到過鈴鐺，而是第一次 見到到鈴鐺這個(gè)形象，則遞質(zhì)就無(wú)法順暢走通，那么形象區(qū)神經(jīng)元集群就 新建立突觸連接，先在形象區(qū)連成鈴鐺形象x，接著又在概念區(qū) 新建點(diǎn)線面體的概念y1，以及 由點(diǎn)線面體形象x 或者概念y1 構(gòu)成的鈴鐺這個(gè)概念y2。

第二天，如果幼兒再見到鈴鐺，但不是昨天的球形的，而是正方體形的鈴鐺。幼兒的大腦，會(huì)在形象區(qū)和概念區(qū)同時(shí)查找。在形象區(qū)沒有查找到正方體形鈴鐺，神經(jīng)元集群就新刻畫正方體形鈴鐺。而概念區(qū)，神經(jīng)元集群也沒有查找到正方體形鈴鐺概念，就新建概念，用函數(shù)表示就是y3=f3函數(shù)（x點(diǎn)線面體形象）。

在大腦里，y1,y2,y3,x,等集群，不只是有表示一一對(duì)應(yīng)關(guān)系的強(qiáng)連接，而且還有沒有對(duì)應(yīng)關(guān)系的弱連接。概念y1，y2，y3可通過突觸 與形象x新建連接，概念y2y3也可通過突觸 與概念y1新建連接，概念y1，y2，y3也可斷開 與形象x的突觸連接。突觸連接方式不同，或遞質(zhì)不同，導(dǎo)致函數(shù)或集合f、g、h不同。本書一再?gòu)?qiáng)調(diào)，引入函數(shù)f、g、h,不是說 神經(jīng)元集群主要靠函數(shù)才能運(yùn)作，而是為了方便 高手讀者嘗試模仿建模。函數(shù)，是無(wú)法準(zhǔn)確模擬 數(shù)量如此龐大的突觸連接的。

仔細(xì)看圖中，細(xì)連線，表示不同歸屬的集群間 會(huì)偶爾有連接，如正方體與長(zhǎng)方體 也會(huì)有些許連接；而粗連線，表示加深刻畫的連接，如正方體概念 與正方體形象的 連接很緊密。

本書認(rèn)為，神經(jīng)元數(shù)量龐大，而其突觸的強(qiáng)弱連接又變化無(wú)常。由此我們可知，世界億萬(wàn)事物的形象，在大腦里存儲(chǔ)方式，不會(huì)像電腦硬盤那樣。電腦是死記硬背、一成不變、如實(shí)記錄記下TB級(jí)別照片，而是大腦先用幾個(gè)神經(jīng)元組成點(diǎn)線面體x，然后由歸納總結(jié)函數(shù)f,推導(dǎo)出抽像概念y。概念y浮現(xiàn)x過程是運(yùn)用函數(shù)f的反函數(shù)g。大腦只需有限數(shù)量神經(jīng)元組合成不同形象x，然后再以多種多樣突觸連接方式即函數(shù)f，歸納成 龐大數(shù)量的概念神經(jīng)元y。

在形象區(qū)，有限數(shù)量神經(jīng)元的不同組合，就可以組合出超大量的圖像x。每一個(gè)圖像x都該取個(gè)名字吧，那么概念區(qū)y的量也是超大量的。

還有，概念神經(jīng)元也不是與形象神經(jīng)元一一對(duì)應(yīng)的強(qiáng)連接，而是因?yàn)?突觸有很多末梢游動(dòng)，從而造成 甲概念與乙形象有弱連接，或者甲概念與丙概念有弱連接。

依靠突觸間的新連接，或依靠突觸內(nèi)不同遞質(zhì)，大腦實(shí)現(xiàn)了三維重建、聯(lián)想、想像、推理等功能。這里體現(xiàn)了多種多樣的正向反饋。

當(dāng)以后幼兒長(zhǎng)大了，再聽到鈴鐺這個(gè)詞時(shí)，他聽到的是概念y2,由y通過反函數(shù)g1去形象區(qū) 找到對(duì)應(yīng)的點(diǎn)線面體形象x?；蛘卟蝗バ蜗髤^(qū) 而是在概念區(qū) 運(yùn)用演繹函數(shù)h1找到歌曲《駝鈴》的概念，再由歌曲《駝鈴》的概念運(yùn)用反函數(shù)g4去音樂區(qū) 找到組成《駝鈴》的音符z的神經(jīng)元集群，音符z就閃現(xiàn)在其大腦里了。

現(xiàn)在，讓我們?cè)诖竽X里，閃現(xiàn)一個(gè)鈴鐺形象，或響起一段《駝鈴》音樂吧！

不過，好像我們大腦閃現(xiàn)的都是球形的鈴鐺啊，沒有閃現(xiàn)正方體形的鈴鐺。呃，這就是正向反饋負(fù)向反饋、自動(dòng)修正功能。

正負(fù)雙向反饋、自動(dòng)修正功能，是智能這一功能的基礎(chǔ)之一。

鈴鐺的外形，幾乎沒有正方體形的。正方體形鈴鐺，是個(gè)錯(cuò)誤的形象，也是個(gè)錯(cuò)誤的概念。

大腦神經(jīng)元集群，如何處理這一錯(cuò)誤形象、錯(cuò)誤概念呢？

刪除，神經(jīng)元集群 會(huì)刪除掉正方體形鈴鐺這一錯(cuò)誤，這就是負(fù)向反饋。

正向反饋有多種方式，比如前面提到，已經(jīng)連接的突觸間 加大連接，又如未連接的突觸 在流動(dòng)的腦內(nèi)環(huán)境里 碰到一起新建連接，再如加大遞質(zhì)傳遞量，等等，這幾種方式在宏觀上 即表現(xiàn)為 加深記憶、聯(lián)想、想像、推理等。

負(fù)向反饋呢，也有多種方式，如連接著的突觸間不再分泌遞質(zhì)，又如突觸間主動(dòng)斷開連接，又如單個(gè)神經(jīng)元凋亡后突觸失聯(lián)，都是在弱化突觸間連接，等等，這就是負(fù)向反饋，在宏觀上表現(xiàn)為遺忘。

在正方體形鈴鐺的例子里，由于現(xiàn)實(shí)世界里 幾乎沒有正方體形的鈴鐺，則代表這一形象、概念的突觸連接，既不會(huì)加緊連接，又不會(huì)分泌遞質(zhì)，還會(huì)因突觸斷開而失聯(lián)，也可能隨著神經(jīng)元凋亡而徹底失聯(lián)。這樣的負(fù)向反饋 就讓正方體形鈴鐺這個(gè)錯(cuò)誤 從大腦里消失了，遺忘了。

反饋，還有其它方式，如神經(jīng)元自己發(fā)出的突觸又連接回胞體，這樣的反饋，既可能是正向反饋，也可能是負(fù)向反饋。

只有 正負(fù)雙向反饋同時(shí)起作用，才是智能。

其實(shí)，這就是意識(shí)。現(xiàn)在，讓我們感悟一下常說的話，“我意識(shí)到我錯(cuò)了”，“這幅圖畫，畫的啥內(nèi)容？”，“隨著時(shí)間流逝，它們被遺忘了”，“老人常犯迷糊，意識(shí)不清醒了”等等。

我們生活中遇到的智障，如智障人，或者智障音箱，或者智障車，很多時(shí)候就是只有正向反饋、缺乏負(fù)向反饋導(dǎo)致的，他們只有非常有限的自動(dòng)修正功能。

另外，神經(jīng)元集群還具有自動(dòng)補(bǔ)全機(jī)制。

還是以鈴鐺為例子。在與幼兒玩耍時(shí)，如果 父親用手帕把鈴鐺遮擋住大部分，只留出鈴鐺的一角，幼兒卻依然可以找到鈴鐺本體。這是 神經(jīng)元集群的補(bǔ)全機(jī)制在起作用。神經(jīng)元集群是群體，群體間突觸往往是環(huán)形雙向互聯(lián)，導(dǎo)致會(huì)互相雙向發(fā)放遞質(zhì)。雖然，幼兒視覺輸入的是鈴鐺的一角，只有那一角對(duì)應(yīng)少數(shù)神經(jīng)元會(huì)發(fā)放遞質(zhì)，但遞質(zhì)會(huì)通過雙向通道 引起集群里其它神經(jīng)元一起發(fā)放遞質(zhì)，牽一發(fā)而動(dòng)全身。這就是補(bǔ)全機(jī)制。

補(bǔ)全機(jī)制發(fā)揮作用，既可能幫助大腦提前預(yù)測(cè)將要發(fā)生的狀況，如一葉知秋，但也可能導(dǎo)致大腦做出錯(cuò)誤決定，如認(rèn)錯(cuò)人。

計(jì)算機(jī)也在模仿神經(jīng)元集群的補(bǔ)全機(jī)制，但很難成功模仿。

為什么計(jì)算機(jī)難易模仿神經(jīng)元集群的補(bǔ)全機(jī)制呢？因?yàn)?，神?jīng)元集數(shù)量龐大，突觸數(shù)量更多，其連接方式又多種多樣，而計(jì)算機(jī)芯片無(wú)法模仿如此復(fù)雜的連接。

既然如此復(fù)雜，作者能否理清呢？

面對(duì)數(shù)量達(dá)860億的神經(jīng)元，以及更為龐大數(shù)量的突觸，還有各種各樣的遞質(zhì)，作者在本書中，試圖以還原細(xì)節(jié)的方式 去理解這龐大的集群 是如何運(yùn)作的，那么作者這種理解必然是粗放的、不可能精確的。有無(wú)數(shù)解剖例證 可以證明作者觀點(diǎn)粗放、不精確。但作者要做的是試圖，在突觸層面上理解其主要運(yùn)作方式，在集群層面抓住主流。

第3節(jié)，神經(jīng)元集群的動(dòng)力源

我們依然以舉例方式討論。

幼兒視覺輸入，從外界接收光子能量，這是神經(jīng)元集群的第一種動(dòng)力來(lái)源。大腦內(nèi)是流體環(huán)境。流體環(huán)境內(nèi)雖有不透明物質(zhì)，但很少阻擋光子傳播。

神經(jīng)元周邊布滿毛細(xì)血管，神經(jīng)元可以獲得血液里營(yíng)養(yǎng)物質(zhì)，這是神經(jīng)元集群的第二種動(dòng)力來(lái)源。營(yíng)養(yǎng)物質(zhì)在傳遞時(shí)，是處于流體環(huán)境的。

大腦內(nèi)各種分子間的無(wú)規(guī)則運(yùn)動(dòng)，會(huì)帶動(dòng)神經(jīng)元突觸擺動(dòng)，這是神經(jīng)元集群的第三種動(dòng)力來(lái)源。突觸的擺動(dòng)，也是處于流體環(huán)境的。

神經(jīng)元會(huì)分泌遞質(zhì)，遞質(zhì)在傳輸給下一個(gè)神經(jīng)元后，也會(huì)帶給下一個(gè)神經(jīng)元能量，是神經(jīng)元集群的第四種動(dòng)力來(lái)源。遞質(zhì)的傳遞，也是處于流體環(huán)境的。

以作者有限知識(shí)，只總結(jié)出以上四種神經(jīng)元集群的動(dòng)力源。我們可以發(fā)現(xiàn)，這四種動(dòng)力源的傳遞環(huán)境，都是流體環(huán)境。流體環(huán)境，這點(diǎn)很重要。如果換成固體環(huán)境，以上四種動(dòng)力都不能流暢的傳遞。

芯片的動(dòng)力源單一，就是電子傳遞能量，其傳遞能量的環(huán)境，是固體環(huán)境。為什么要提這個(gè)呢？

人工智能公司采購(gòu)的是固體芯片，這與神經(jīng)元集群的流體環(huán)境，是有很大不同的。

這種流體與固體的區(qū)別，也是造成計(jì)算機(jī)無(wú)法模仿神經(jīng)元集群的原因之一。在本書下一章，會(huì)詳細(xì)探究這種區(qū)別。

第三章，比較：現(xiàn)有芯片的功能，以及與智能的差別

第1節(jié)，功能差別：智能與智障的差別

正在上市銷售的自動(dòng)駕駛、智能音箱、智慧教育服務(wù)等等，有時(shí)好像有點(diǎn)智能，但大多時(shí)候讓消費(fèi)者或驚魂未定、或哭笑不得。

特別是各國(guó)交通監(jiān)管機(jī)構(gòu)，在是否批準(zhǔn)無(wú)人駕駛汽車上路問題上猶豫不決。

在本書第一章的驗(yàn)證實(shí)驗(yàn)中，要求識(shí)別圖片驗(yàn)證碼。簡(jiǎn)單驗(yàn)證碼，就是識(shí)別字符。而復(fù)雜的驗(yàn)證碼，是正確識(shí)別詞組等。

簡(jiǎn)單的識(shí)別字符，是不要求理解該字符的內(nèi)涵含義，只要從外觀上比較，字符差不多相似就行了。其信息的復(fù)雜度是很低的。再進(jìn)一步，就要求能進(jìn)行推理，如學(xué)會(huì)加減法。

而復(fù)雜的驗(yàn)證碼識(shí)別，是要求理解詞組的內(nèi)涵含義，并能找出其正確的外延。

    現(xiàn)在，還沒有計(jì)算機(jī)系統(tǒng)能 快速準(zhǔn)確的破解復(fù)雜驗(yàn)證碼，否則各大網(wǎng)站登錄頁(yè)面都被破解了。

識(shí)圖，是無(wú)人駕駛系統(tǒng) 必須準(zhǔn)確完成的基礎(chǔ)功能。通過以上案列，我們就可以得出結(jié)論，現(xiàn)在的無(wú)人駕駛系統(tǒng) 還不能準(zhǔn)確識(shí)圖，所以還是智障。

再看看所謂智能音箱。音箱的語(yǔ)音來(lái)源，是服務(wù)器對(duì)語(yǔ)義的理解。同樣，這要求服務(wù)器 理解詞組的內(nèi)涵含義。用過所謂智能音箱、智能語(yǔ)音服務(wù)的消費(fèi)者，多聽?zhēng)拙?，就?huì)覺得音箱是智障，根本沒有理解語(yǔ)義。

而智慧教育服務(wù)，還只能作為老師家長(zhǎng)學(xué)生的輔助，其中的錯(cuò)誤不計(jì)其數(shù)，需要老師家長(zhǎng)學(xué)生認(rèn)真甄別。

第2節(jié)，導(dǎo)致智障的原因：序列-結(jié)構(gòu)-運(yùn)動(dòng)-功能不同

根據(jù)“序列—結(jié)構(gòu)—運(yùn)動(dòng)—功能”理論，現(xiàn)有芯片的結(jié)構(gòu)及運(yùn)動(dòng)方式，與神經(jīng)元集群結(jié)構(gòu)及運(yùn)動(dòng)方式，是現(xiàn)階段未實(shí)現(xiàn)真正人工智能的原因。

第3節(jié)，結(jié)構(gòu)差別

圖靈機(jī)、馮·諾依曼結(jié)構(gòu)是為一維二維計(jì)算而設(shè)計(jì)的，并不是為實(shí)現(xiàn)智能（構(gòu)建三維音畫、記憶、聯(lián)想、復(fù)雜推理等）而設(shè)計(jì)的，它們只是表現(xiàn)得有點(diǎn)像智能，但不是真正智能。

原因是因?yàn)樾酒Y(jié)構(gòu)問題，現(xiàn)有芯片的電路是二維結(jié)構(gòu)，而現(xiàn)實(shí)世界是三維結(jié)構(gòu)。

我們的大腦神經(jīng)元集群，也是三維結(jié)構(gòu)。

二維芯片依靠的基礎(chǔ)是，時(shí)間的持續(xù)向前性，反映在在圖靈機(jī)里，就是一條可以無(wú)限延伸的 單向二維紙帶；方法是還原論，向細(xì)微極致發(fā)展，反映在圖靈機(jī)里，就是信息被分解后被寫到紙帶方格里，單個(gè)方格里信息是單一的。

神經(jīng)元集群依靠的基礎(chǔ)是，空間的任意擴(kuò)散性，在以大腦內(nèi)，就是突觸是向任意方向連接的；方法是復(fù)雜系統(tǒng)論，向集群發(fā)展，如果以大腦舉例，就是突觸連接方式非常復(fù)雜，遞質(zhì)傳遞的信息也非常復(fù)雜。

人腦神經(jīng)元不是依靠時(shí)間計(jì)數(shù)器來(lái)工作的，而是依靠在自由空間擴(kuò)散來(lái)工作的。

二維芯片追求的是快（時(shí)間特性），為了更快，空間距離被壓縮（摩爾定律）。

神經(jīng)元集群追求的是復(fù)雜度（空間特性），為了更復(fù)雜，時(shí)間是不重要的（毛論持久戰(zhàn)，白崇禧總結(jié)為以空間換時(shí)間）。

二維芯片，追求的是某單方面某單層次準(zhǔn)確精確。

神經(jīng)元集群追求的是，分清主次矛盾、矛盾主次方面、抓主流，以及解決哲學(xué)的各層次各方面的問題等等。

所以，二維結(jié)構(gòu)芯片不能反映三維世界。

但三維的神經(jīng)元集群卻能反映三維世界。

反例，我們三維世界里人，可以描述二維空間怎么運(yùn)行的，但誰(shuí)能描述四維空間是怎么運(yùn)行的？

沒有任何定理證明過，二維信息等于三維信息。計(jì)算機(jī)軟件如病毒，具有二維世界的智能，但無(wú)法理解三維世界。

在二維芯片時(shí)代，按照王垠（www.yinwang.org）觀點(diǎn)，軟件識(shí)圖，是在建立一種函數(shù)，由函數(shù)仿真現(xiàn)實(shí)圖片。而這個(gè)函數(shù)不可能有智能，函數(shù)不可能理解圖片內(nèi)容。

而在將來(lái)三維芯片時(shí)代，集群通過組合就模仿了現(xiàn)實(shí)世界，不以函數(shù)模型為基礎(chǔ)。集群是復(fù)雜系統(tǒng)，而復(fù)雜系統(tǒng)能進(jìn)化出智能。集群的正負(fù)反饋，自動(dòng)修正，就是智能。

前面也提到過，O'Keefe，以及Moser夫婦，已經(jīng)解剖證明了海馬里神經(jīng)元群是用三維方式定位的，網(wǎng)格細(xì)胞集群。

現(xiàn)在二維芯片領(lǐng)域有個(gè)新概念2.5D、3D，這個(gè)與作者希望的三維芯片，不是同一個(gè)理念。3D翻譯成中文就是三維，但3D芯片目的還是數(shù)值計(jì)算。而作者希望的三維芯片，是模仿神經(jīng)元集群的分解功能、抽象功能、構(gòu)建三維音畫功能、記憶功能、聯(lián)想功能、復(fù)雜推理功能等等。數(shù)值計(jì)算不是三維芯片的基礎(chǔ)功能，也不是主要功能。

在此，回顧圖靈測(cè)試，從結(jié)構(gòu)維度視角 來(lái)探討復(fù)雜度問題。

在第二章時(shí)，把圖靈測(cè)試細(xì)化，然后得出結(jié)論，即要通過圖靈測(cè)試，有兩種辦法，第一種辦法就是 提高計(jì)算機(jī)理解 三維世界的能力，另一種辦法則是 測(cè)試者降低 所提問題的復(fù)雜度。

下圖，從鍵盤輸入信息 給計(jì)算機(jī)，先要降低復(fù)雜度。如果從結(jié)構(gòu)維度看，就是把三維世界的信息（語(yǔ)義）降低為二維甚至一維結(jié)構(gòu)的信息（一串0與1），其中的鍵盤、芯片與網(wǎng)絡(luò)七層結(jié)構(gòu) 就是降維升維工具。

網(wǎng)絡(luò)七層結(jié)構(gòu)，也有總結(jié)為五層的。越是上層的 如網(wǎng)頁(yè)顯示的內(nèi)容，就越復(fù)雜，不確定性增加，也越接近三維世界。越是下層的，如電路開閉，就越簡(jiǎn)單，確定性增加，也更適合在二維甚至一維空間快速傳遞。我們探討一下，降維升維能完全無(wú)誤傳遞信息嗎？

信息，被數(shù)學(xué)家香農(nóng)定義為，是用來(lái)消除隨機(jī)不確定性的東西。

鍵盤、芯片與網(wǎng)絡(luò)七層結(jié)構(gòu)組合，對(duì)信息的降維處理，是部分成功了的，其中，鍵盤的電路開關(guān)準(zhǔn)確無(wú)誤，去除了不確定性。但是缺點(diǎn)也很明顯，鍵盤、芯片與網(wǎng)絡(luò)七層結(jié)構(gòu)組成的機(jī)器系統(tǒng)，忽略了應(yīng)向打字員索取更多的 該句外文所處背景的信息。在上例中，有大量的有用信息，比如，人的心理感情、生理知識(shí)、生活習(xí)慣等暗含的信息，是不言自明的，是包含在社會(huì)知識(shí)里的。這些知識(shí)，反映了三維世界的運(yùn)行狀況，在降維時(shí)去除了，那么在升維時(shí)，是需要用“補(bǔ)全機(jī)制”去彌補(bǔ)的。人腦是能補(bǔ)全這些知識(shí)的。但機(jī)器系統(tǒng)顯然沒有強(qiáng)大的補(bǔ)全機(jī)制，所以機(jī)器沒有理解，該句外文所暗含的、紛繁復(fù)雜的社會(huì)知識(shí)。計(jì)算機(jī)僵化，不能補(bǔ)全更多信息，也就是前文提到的，沒有三維集群的各種強(qiáng)大功能。導(dǎo)致的原因，也是前文提到的，二維結(jié)構(gòu)芯片無(wú)法理解三維世界，計(jì)算機(jī)也在努力正負(fù)雙向反饋、自我修正，但二維的維度決定了其智力的上限。

最后體現(xiàn)在翻譯結(jié)果上，升維是失敗的。機(jī)器翻譯所犯的錯(cuò)誤，是低維度智障型錯(cuò)誤。讀者是三維世界的智能生物，讀者看了機(jī)器翻譯后會(huì)感到疑惑。

一般來(lái)說，大多數(shù)讀者包括作者，都認(rèn)為上圖的翻譯，非?？赡苁菣C(jī)器翻譯，只有極少可能性是人翻譯的。

那么，下圖也是一個(gè)錯(cuò)誤的翻譯，讀者猜猜是機(jī)器翻譯的呢，還是人翻譯的呢？作者認(rèn)為是人翻譯的。

翻譯時(shí)，如果傳遞的中段，加入人工翻譯后，則成功升維。鍵盤、芯片、翻譯官與網(wǎng)絡(luò)七層結(jié)構(gòu)組合系統(tǒng)，才是成功的升維工具組合。人工翻譯，也可能發(fā)生錯(cuò)誤，但這些錯(cuò)誤，是高維度智力型錯(cuò)誤，讓高緯度的讀者看了后 會(huì)莞爾一笑。

計(jì)算機(jī)體現(xiàn)為僵化，而人則體現(xiàn)為懶惰。計(jì)算機(jī)僵化，是二維空間限定了的。而人懶惰，懶得去查一查問一問，應(yīng)怎么樣翻譯才能“信達(dá)雅”。偷懶反而是智能的一種體現(xiàn)，雖然，偷懶不符合道德規(guī)范。

討論這些，就是說明，降維能增加確定性，降低復(fù)雜度，但往往也消除了很多有用信息，也無(wú)法提升智力。而在高維空間擁有智力的人，既能把高維信息 降維到低維空間，又能把低維空間的有限的、不全的信息 補(bǔ)充完善，以用于高維空間。在低維空間 運(yùn)行良好的自動(dòng)化系統(tǒng)，卻往往不懂 高維空間的運(yùn)作方式。

鍵盤、芯片與網(wǎng)絡(luò)七層結(jié)構(gòu)組合，這是硬件。而硬件對(duì)信息的降維升維過程，就是用數(shù)學(xué)方法編列各種函數(shù)，寫成代碼，這是軟件。

如果硬件不能模擬神經(jīng)元集群，轉(zhuǎn)而只靠軟件，能否達(dá)到神經(jīng)元集群的智力？迄今，沒有證據(jù)表明，軟件能真正達(dá)到神經(jīng)元集群智力。

我們?cè)僖远S圖討論降維升維過程。

看到此二維圖，讀者能將山的遠(yuǎn)近高低信息自動(dòng)補(bǔ)全。此圖有長(zhǎng)寬但無(wú)景深，人腦神經(jīng)元集群會(huì)補(bǔ)全景深重新構(gòu)建三維模型，這就是把信息升維。其它的如人物的活動(dòng)，甚至天氣、太陽(yáng)角度等信息，人腦也嘗試想象或推理。如此大的信息量，顯然不是計(jì)算機(jī) 這種二維芯片能輕松完成的。

然后，讀者還可能會(huì) 產(chǎn)生很多聯(lián)想，比如自己也想象進(jìn) 圖畫里戲水。

就是說，神經(jīng)元集群在全力工作，視覺輸入后，大腦的其它集群如三維重建集群、記憶集群、想象集群、推理集群等等，都在工作。

把圖旋轉(zhuǎn)后，大腦會(huì)遲疑。因?yàn)樯窠?jīng)元群的三維模型 都是山峰上尖下大，補(bǔ)全這樣的旋轉(zhuǎn)圖，大腦需要調(diào)整集群內(nèi)突觸。那么，計(jì)算機(jī)遇到旋轉(zhuǎn)圖，能理解旋轉(zhuǎn)嗎？要理解旋轉(zhuǎn)，計(jì)算機(jī)需要怎么樣的升維功能呢？

流行語(yǔ)，升維思考降維打擊，作者認(rèn)為是有道理的。

讀者“天寧科工”給作者提出了很好意見，發(fā)明計(jì)算機(jī) 就是用來(lái)計(jì)算炮彈 在三維空間運(yùn)行軌道的啊，而且很成功啊。

這說明二維計(jì)算機(jī)，也是能把“某些信息”成功升維到三維空間的。這里的“某些信息”，迄今來(lái)看，主要還是有函數(shù)解的信息，比如單個(gè)炮彈運(yùn)行軌跡。如果給計(jì)算機(jī)的任務(wù)換成是，計(jì)算三體的運(yùn)行軌跡，或者計(jì)算鳥群、羊群等集群運(yùn)行軌跡，這些沒有函數(shù)解的信息，計(jì)算機(jī)無(wú)能為力。人腦也無(wú)法計(jì)算三體、鳥群、羊群準(zhǔn)確軌跡，但人腦會(huì)升級(jí)這些二維信息，如得出三體無(wú)法準(zhǔn)確計(jì)算的結(jié)論，又如抽象出鳥群、羊群的趨勢(shì) 從而總結(jié)出集群理論，等等。

以大質(zhì)數(shù)相乘加密的方法，也可以說是利用高維信息的復(fù)雜度來(lái)實(shí)現(xiàn)的。

零維的點(diǎn)，沒有任何秘密可言。一維線段是零維點(diǎn)加減而來(lái)的，如果用減法來(lái)解密，也是極其容易的。二維平面，可以看作兩根一維線段相乘得來(lái)。用兩個(gè)大質(zhì)數(shù)相乘加密后，是很難解密的，這可以理解為二維信息復(fù)雜度 大于一維信息復(fù)雜度。三維立體空間，可以看作三根線段相乘得來(lái)。作者相信用三個(gè)大質(zhì)數(shù)相乘加密后，更難解密，這可以理解為三維信息復(fù)雜度 遠(yuǎn)大于二維信息復(fù)雜度。

    在圖靈測(cè)試?yán)?，升維的過程，也可以看作是解密過程，解出三個(gè)大質(zhì)數(shù)。顯然，即使是高速計(jì)算機(jī)也很難解密。但人腦根本不會(huì)用計(jì)算的方法去解密，而是用三維重構(gòu)、記憶、抽象、聯(lián)想等補(bǔ)全信息的辦法去解密，雖然解出的答案不一定正確。

舉例，以上圖打個(gè)謎語(yǔ)，要求謎底是成語(yǔ)。這算個(gè)加密解密題吧。這在三維世界里，算是小兒科解密題。小朋友用的解密方法，不是計(jì)算，而是用三維重構(gòu)、記憶、抽象、聯(lián)想等方式補(bǔ)全信息。但二維計(jì)算機(jī)，列無(wú)數(shù)函數(shù)方程、測(cè)量色素含量、比較歷年大數(shù)據(jù)、把所有漢語(yǔ)書籍搜索一遍，耗費(fèi)大量時(shí)間、電力、化學(xué)試劑，去求細(xì)枝末節(jié)的精確解，即使得出了葉子與秋天機(jī)械式對(duì)應(yīng)關(guān)系，它能體會(huì)這個(gè)成語(yǔ)的精妙嗎，能理解三維空間的人在談?wù)撋秵幔?/span>

第4節(jié)，運(yùn)動(dòng)方式差別，流體與固體的區(qū)別。

生物體內(nèi)大部分是流體，流體方便克服重力，分子團(tuán)才能運(yùn)動(dòng)，神經(jīng)元也是在流體中浮動(dòng)。

但現(xiàn)有芯片，為了方便固定，就做成固體。芯片是固體，人腦內(nèi)是流體，固體與流體的區(qū)別。

第四章，如何實(shí)現(xiàn)可信可靠可解釋的人工智能

怎么改變?nèi)斯ぶ钦夏?？如何?shí)現(xiàn)可信可靠可解釋人工智能？

就按照仿生辦法，模仿三維神經(jīng)元集群。具體的，要兩步來(lái)解決。

第一步，改變芯片結(jié)構(gòu)，從二維芯片改為三維芯片；第二步，解決固體與流體矛盾。

第1節(jié)，改變芯片結(jié)構(gòu)，從二維芯片改為三維芯片

現(xiàn)有人工智能界，從CPU改為GPU，到華為的達(dá)芬奇結(jié)構(gòu)，還有chiplet結(jié)構(gòu)，還有神經(jīng)擬態(tài)芯片，都在不自覺的向三維結(jié)構(gòu)發(fā)展，但還不是真正的三維結(jié)構(gòu)。

如何改為真正三維結(jié)構(gòu)？有多種辦法，如模擬生成真實(shí)神經(jīng)元，又如把硅晶片做成 三維立體的，如此等等，有好幾種方法可以改為三維結(jié)構(gòu)。

關(guān)于生成真實(shí)神經(jīng)元集群，作者以前設(shè)想，采用CRISPER技術(shù)切割DNA，單獨(dú)培養(yǎng)神經(jīng)元集群。這么做的倫理道德風(fēng)險(xiǎn)，是非常大的，而且成本高，效益低。成本高，原因是明顯的，培養(yǎng)一個(gè)活體，需要昂貴復(fù)雜的生命保障系統(tǒng)。效益低，原因也是明顯的，生物受地球重力影響，其體積重量是有限定的，那么人腦神經(jīng)元集群的數(shù)量 也是有極限的，那么其智商也是有極限的。現(xiàn)在，國(guó)外又爆新聞，在大鼠腦袋里植入人腦神經(jīng)元。是不是國(guó)外放松了 倫理道德審查標(biāo)準(zhǔn)？還需要觀察。

作者也曾設(shè)想，把硅晶體做成三維立體的，但并未找到 在硅晶體內(nèi)部刻畫線路的方法。

而本書開篇第一章，介紹一種宏觀的 模擬三維結(jié)構(gòu)的方法：聯(lián)系電信運(yùn)營(yíng)商的機(jī)房，在凌晨時(shí)，用路由器模擬 神經(jīng)元胞體，用電線模擬突觸。因?yàn)闄C(jī)房路由器集群數(shù)量 比神經(jīng)元集群數(shù)量少得多，所以初期圖靈測(cè)試時(shí)，用簡(jiǎn)單的測(cè)試：在黑色背景圖中找出 手寫白色阿拉伯?dāng)?shù)字。

但難度也是顯而易見的，螞蟻的神經(jīng)元數(shù)量約25萬(wàn)個(gè)，人腦神經(jīng)元數(shù)量約860億個(gè)。路由器體積龐大，占地、耗能，如果讓由路由器集群 模仿萬(wàn)億神經(jīng)元集群，其占用空間非常大，其耗能也非常大。

現(xiàn)在前沿的研究，是憶阻器，還有光計(jì)算，等等，但沒有看到特別大的進(jìn)展。

以上幾種辦法都有缺點(diǎn)，或者成本很高，或者有倫理道德風(fēng)險(xiǎn)，或者很耗能，或者占用空間大，或者技術(shù)不成熟。

特別指出，路由器集群，即使縮小再縮小，也無(wú)法完全 模擬神經(jīng)元集群，因?yàn)殡娋€會(huì)纏繞，其根本原因是 流體與固體的區(qū)別，這是第二節(jié)探討的內(nèi)容。

本節(jié)，探討模仿神經(jīng)元集群時(shí)的一些細(xì)節(jié)，如集群內(nèi)組合問題。

相對(duì)于CPU、GPU芯片，互聯(lián)網(wǎng)節(jié)點(diǎn)，更加具備模仿神經(jīng)元的基礎(chǔ)。特別是路由器+交換機(jī)，可以模仿胞體與突觸。

（致讀者，這里好難，有愿意一起寫的嗎？

）

第2節(jié)，解決固體與流體矛盾。

所以，實(shí)現(xiàn)可靠人工智能的方案，就是找到一種既是固體、又能克服重力、還能流動(dòng)的便宜材料，就可以解決無(wú)數(shù)連線、無(wú)數(shù)開關(guān)問題。

這種便宜的材料，在現(xiàn)實(shí)中已經(jīng)存在，可以投入實(shí)用。

第3節(jié)，太空微重力環(huán)境對(duì)解決固體與流體矛盾有巨大幫助

太空，是天然的微重力環(huán)境，比地面更好。這種便宜的材料既可以在地面使用，如果到太空使用，更節(jié)能，也能解決人在太空失重環(huán)境下需要昂貴的生命保障系統(tǒng)問題，有利于向太空進(jìn)發(fā)。

第五章，人工智能對(duì)地球社會(huì)的影響

第六章，向太空微重力出發(fā)，組裝太空人

第七章，太空人的體積重量

第八章，太空人的宇宙觀以及人格特質(zhì)

第九章，太空人與地球霸主的關(guān)系