标签：习惯 基础 世纪 观点 知识分子 计算机 概率 模型 接收
人脑使用概率模型，通过组合概率和可能性来得出结论，从而创造出各种假设，并随着新接收到的信息而连续调整。随着大脑的成熟，变得更加专业化以执行复杂的功能，因此也变得不那么灵活，越来越难以随着时间而改变。年长的学习者发展出了有偏见的观点，因为他们更多地了解世界并且加强某些神经连接，这阻碍了他们基于很少的信息来形成具有创新性的假设和抽象理论的能力。你知道的越多，你就越依赖于你知道的东西，而对新的东西则不能保持一个开放的态度。
神经元对于自身的化学、结构、甚至功能的改变，使得脑内的神经网络能不断针对外部世界优化自己，这叫做神经可塑性。婴儿的脑的神经可塑性最强。当一个婴儿诞生的时候，它的大脑并不知道自己要变成一个擅长冷兵器作战的中世纪勇士，或是一个擅长拨弦琴的十七世纪音乐家，还是一个需要存储和整理大量信息并且掌握复杂社会构建的现代知识分子。但是一个婴儿的脑为所有的可能性做好了准备。
数学的精确逻辑不能容错，微小的错误会在计算积累中不断的被放大。人脑的逻辑处理则完全不同，因为是基于统计的结果，所以可以忽略不具有规模的异常和错误。人类语言就是这种思维的体现（具有容错性和纠错能力），并且在语言逻辑之上支撑了数学逻辑。所以，我们可以看成，人类大脑是通过神经网络结构来存储规律，然后过滤出一种概率分布，利用统计给出最后的结果，结果代表的是一种趋势和倾向。
有人猜测贝叶斯算法是人脑的工作模式基础。其分为两步，先验概率与后期分布。先验概率就是已经形成信息积累的结构，后期分布就是一种概率预期。这代表着，信息积累结构，结构过滤信息的过程。
不过，有一点计算机和人脑是一致的，就是信息通过二进制0和1（比特）来存储、传递和表达。计算机硬件存储和处理数据的最基本格式就是二进制的比特，而人脑神经元电脉冲的信息传递和表达是借助于电位的正负变化，其抽象形式也是二进制的比特。
算法和结构有一个关系，就是结构越复杂算法就可以越简单，结构越简单那么算法就需要越复杂。所以，人类大脑的智能是因为大脑的结构非常复杂，对比计算机硬件的结构如此的简单，是把复杂的算法都转移到了程序设计上面，也就是让人类的大脑思考来产生。
神经元细胞，既是信息传递和形成的结构，也是信息存储的结构，也就是记忆。神经元细胞之间的几何关系，轴突树突的几何关系，密度，数量，化学变化都是一种信息的记录。神经元细胞组建的网络架构，可以动态的修改，就是信息的记忆与丢失。这个结构是河床，其中的化学和电位变化是河流。结构被冲刷，同时在引导电流和化学反应的走向。
计算机神经网络算法（机器学习）需要大数据来训练。但是人类婴儿却不需要互联网数据，更不需要海量数据。可见人脑的工作模式与现在的人工智能完全不同，这是值得深思的。人类的学习有内在的动力，而机器学习是人类的设计。人脑的可塑性是神经元的生成与链路构建，不要忘记了这可以看成硬件结构的自由改变，而不是算法程序的模拟。
婴儿是神经可塑性的巨星，但是神经可塑性在人的一生中都存在，所以人类才能成长、转变和学习新东西。所以我们才能形成新习惯，打破旧习惯——一个人的习惯是脑内回路的外在表现。如果你想要改变习惯，你需要很强的毅力来克服大脑内的神经通路，但是只要你能坚持够久，你的大脑早晚会明白你的意图然后改变那些通路，而新的习惯将不再需要毅力来维持。你的大脑会在物理结构上帮你建立一个新习惯。
可见，未来（强）人工智能能够像人类靠近的话，需要的不是计算能力而是一个复杂的硬件结构，或是由数据转化而来的复杂结构。并且人类的逻辑思维和智能的演变和人类使用的语言密切相关，所以人工智能也是需要配套的和人类语言差不多的编程语言出现。
当然，这些都是基于人类智能的猜测和理解，不排除计算机本身发展出有别于人类智能模式的智能（就像塞伯坦星球的变形金刚，它们是机器智能，是外星人）。
另外，如果我们把整个互联网比作一个大脑。那么，计算机组成的网络就像是人脑的神经网络，连入互联网的每一台计算机就像是一个神经元细胞。不，其实使用计算机的每一个人，才是一个神经元细胞，每个人都在贡献着数据，每个人之间的连接与关系，以及动态性和随机性（人的自由意志是随机性，人之间的数据交互是动态性），构成了互联网极其复杂的结构。这样整个互联网与人脑的网络结构对比起来，就像是一个分形递归的结构。那么互联网是否有自己的智能呢？是否在进化呢？
其实，在人脑之间，网络之中，传播的信息形成了文化基因（类比人类基因），这种数据自然也可以转换为结构，形成某种群体智能结构，可以不断的演变和进化。
标签：习惯 基础 世纪 观点 知识分子 计算机 概率 模型 接收
原文地址：https://www.cnblogs.com/chuangye95/p/10192877.html
