24、自然比我们更聪明：人工智能与生物智能的探索

自然比我们更聪明：人工智能与生物智能的探索

1. 人类动机与神经网络早期困境

人类的判断和动机源于复杂的大脑内部状态，其中多巴胺神经元通过表征奖励预测误差，对动机产生强大影响。脑成像技术在研究社交互动中的人类动机方面，有着单纯行为实验无法比拟的优势。如今的目标是用基于过往经验的概率决策理论，取代基于逻辑的理性决策理论。

神经网络的早期发展历程，是一个小而有影响力的群体阻碍竞争研究方向探索的典型案例。马文·明斯基（Marvin Minsky）和西摩·帕佩特（Seymour Papert）在《感知机》（Perceptrons）接近结尾处表示，感知机学习算法无法扩展到多层感知机。他们认为这不仅是技术问题，更是战略问题。尽管感知机有严重局限性，但因其线性、有趣的学习定理以及作为并行计算的简单范式等特点，值得研究。然而，没有理由认为这些优点能延续到多层版本。他们认为阐明或反驳这种扩展是徒劳的直觉判断，是一个重要的研究问题。

这一缺乏根据的“直觉”，给神经网络学习的发展带来了寒意，使研究停滞了一代人的时间。不过，也有人因此受益，比如本文作者。后来，作者有机会在明斯基职业生涯后期一探究竟。

2. 2006 年达特茅斯人工智能会议

2006 年，作者受邀参加“AI@50”达特茅斯人工智能会议，回顾 1956 年达特茅斯人工智能暑期研究项目，并展望人工智能的未来。原项目的十位先驱中有五位出席，包括约翰·麦卡锡（John McCarthy）、马文·明斯基、特伦查德·莫尔（Trenchard More）、雷·所罗门诺夫（Ray Solomonoff）和奥利弗·塞尔弗里奇（Oliver Selfridge）。会议在科学和社会学层面都引人入胜。