来源：IJAC；中国计算机学会
作者：黄铁军
编辑：零夏
【新智元导读】
过去，大概有四种方法来实现某些人工智能：符号主义，联结主义，行为主义和统计学， 这四种方法在不同的角度抓住了智能的一些特点。北京大学计算机系主任黄铁军提出：“仿真主义”可谓人工智能方法中第五流派。
在人工智能过去的六十年，大概有四种方法来实现某些人工智能：符号主义，连接主义，行为主义和统计学。 这四种方法在不同的角度抓住了智能的一些特点，在人工智能中取得了划时代的成就。近年来，深入学习在全球崛起，特别是在图像和语音识别方面取得了显着的成功，将AI推向第三次革命。
近期，在刊物IJAC（
International Journal of Automation and Computing
）优先在线发表的几篇论文中，北京大学黄铁军教授的综述—“Imitating the Brain with Neurocomputer：A “New” Way Towards Artificial General Intelligence”—提出的
“仿真主义”（Imitationalism）可谓人工智能方法中第五流派！
这篇综述成为近两月优先发表论文中的亮点之一，这篇综述也在Twitter上被国外学者转发数次。文章不仅阐述了如何打破走向通用人工智能的研究僵局、探索研制类脑神经计算机的新思路，还详细描述了类脑神经计算机三个重要技术层次和国内外研究进展。
此前，黄铁军教授发布的《电脑传奇（下篇）电脑涅槃》中把通用人工智能的实现载体称为“电脑（电子大脑）”。我们结合这篇文章，一起看看关于人工智能“仿真主义”的前世因果、今生未来。
黄铁军在综述开始提出一个问题：实现通用人工智能，到底是模仿“智能”？还是模仿“大脑”？也就说，我们应该走“功能”路线？还是“结构”路线？
任何客观对象都可以分为“结构”和“功能”两个层次：简言之，结构是功能的基础，功能是结构的表现。大脑的“结构”是指各种神经元（神经细胞）通过神经突触连接而成的复杂神经网络，“功能”是指大脑神经网络表现出的动力学行为，即思维和意识现象。所谓大脑奥秘这个终极性难题，实际上是指“大脑（结构）何以产生智能（功能）？”或简称为“理解智能”难题。
为了获得通用人工智能，到底是先“理解智能”？（即理解意识现象和功能背后的发生机理）还是先“制造智能”（即研制类似人脑的具有自我意识的智能机器）？——这是一个值得考虑的问题！
传统人工智能的思维定式是先理解智能再模仿智能。然而人类对自身智能的认识还处在初级阶段，在对人类智能的理解还极其有限，“理解智能”这个终极性问题到底数十年还是数百年亦或数千年才能解决？都还是未知数。
因此，把“制造智能”寄希望于“理解智能”，实质上把解决问题的方案建立在解决另一个更难问题的基础上，犯了本末倒置的错误。
“仿真主义”是一条“新”路线，在制造出强AI之后再寻求“理解智能”的解
如果我们跳出传统思维的窠臼，就会发现通向通用人工智能还有一条“新”路线——构建类脑神经计算机，这里称为“仿真主义”（Imitationalism）。说这是一条新路线，是因为它反转了“理解智能”和“制造智能”的前后关系：即我们不再寻求“理解智能”的解，而是先模仿脑，即设计更先进的探测分析工具，从结构上解析大脑，再利用工程技术手段“照葫芦画瓢”式地构造仿脑装置，最后通过环境刺激和交互训练“仿真大脑”，实现类人智能。简言之：先结构后功能。
人脑是强人工智能最好的和唯一的参照物。正如欧盟“人类大脑计划(Human Brain Project)”建议报告中指出的：“除人脑以外，没有任何一个自然或人工系统能够具有对新环境与新挑战的自适应能力、对新信息与新技能的自动获取能力、在复杂环境下进行有效决策并稳定工作直至几十年的能力。没有任何系统能够在多处损伤的情况下保持像人脑一样好的鲁棒性，在处理同样复杂的任务时，没有任何人工系统能够媲美人脑的低能耗性。”
仿真大脑的努力可以追溯到20世纪80年代。美国诺贝尔生理或医学奖获得者—生物学家杰拉尔德·艾德曼(Gerald Maurice Edelman, 1929-2014)—在1978年左右转向意识研究。他的基本思想可概括为“神经群体选择理论(neuronal group selection)”，即神经系统产生感知、行为、学习、记忆以及意识的机理与生物适应自然环境的自然选择机制类似，因此被称为“神经达尔文主义”(Neural Darwinism) 。
为了验证这一学说，从1981年开始，他提出了统称为“综合神经建模(synthetic neural modeling)”的理论，即逼近真实解剖和生理数据的神经系统大规模仿真，并研制了一系列名为“Darwin（达尔文）”的“仿脑机”(Brain-Based-Devices, BBD) 。
