伪人工智能横行，什么才是真正的人工智能？

你好，作为一个从事人工智能科技媒体人，从专业角度上来讲人工智能并不存在什么伪人工智能和真人工智能，如果非要辨谁真谁假的话，我更愿意说这是人工智能在真正成熟前的成长必经之路。

为什么呢？就像人的成长，小孩子在青春期你说他是成人他也确实是成人，但是只是生理方面的成人，但在思想成面上他算成人吗？在老一辈人来看并不算吧？任何一个对于公众新生事物都会有一个青春期的过程。从新生到叛逆，甚至是在走向成熟的路上都会经历这样的过程，也许它会走弯路 甚至是反人类，但不可否认这是任何事物发展规律，不管你是什么，都逃脱不了这样的一个既定的法则。

当真正的人工智能落地，你已经抓不住了。就如电商开始的时候，也会有伪电商的概念，“实体+配送”而已嘛，然后只要那批抓住机会的人成功了。

不要被科幻电影迷惑了，你所谓的伪人工智能都是被人类设定好的程序对吧？就想阿尔法狗，虽然比世界冠军厉害，但是说到底也就是个计算机，比人类的大脑储存的多，数据提取比人类快，具体的话，也是在人类设定范畴里边

我所理解的真正的人工智能，就是人类！

仔细看看，把这个世界所有的动物排列出来，你就会发现，就像是一件作品，从最初的一代产品慢慢发展，一代又一代，最终才有人类的出现。而其他动物的大脑思维方式比较单一，好像“人类”设定好的伪人工智能一样，没有创造性！

人类就不同了，详细就不一一说了！

我觉得真正的人工智能只会出现在电影里，科幻小说里！或者是说等人类成为“神”以后，才会有真正的人工智能出现！毕竟，人就是“神”创造出来的！！！

妈的，能不能不邀请我？我知道初中都没毕业的人你让我回答这个，太他么难为我了！

人工智能主要是机器学习和深度学习算法，如果不用这两个算法，应该说是伪人工智能。比如你开发机器人，不用深度学习算法，即使拥有一些智能，但是离人工智能还很远。深度学习算法应用比较成功的是神经网络机器视觉，语音识别合成和自然语言处理，生成对抗网络，增强学习。你不会这些算法你说你是人工智能，没人信，只能算伪人工智能。大数据、云计算，5G跟人工智能是并列的，是新基建，数据基础设施，人工智能系统可能需要他们。

1. 程序员的简单定义：能正确响应接收到信息的程序。

2. 程序员复杂的定义：能够存储认知信息、环境信息、因果信息、方法信息、需求信息、任务信息、事件等信息等；具有人为定义的唯一根需求,能够分解需求生成新的子需求，直到该子需求能够被方法解决；能够根据事件信息生成因果关系；能够根据因果关系生成方法；能够根据自身产生的需求发布任务；能够利用方法完成任务。满足以上功能的程序就是人工智能程序。

不是真人工智能与伪人工智能，是强人工智能与弱人工智能

生物的进化由简单到复杂，循序渐进的。那么，生物在简单阶段有没有智能呐？如果有，其机制就不会太复杂。智能研究，为什么不能搭建出含有“意识”的简单数学模型呐？难道没有大数据和强计算的能力，就没法实现智能？

神经干细胞的发现，让我们找到了问题的答案。从神经干细胞到神经元，是什么力量决定的？它的触角数量和连接关系，是基因决定的吗？正是这一系列的问题，成为打开生物智能的钥匙。

1.神经干细胞

图像信息是最复杂的信息，它包含其它信息的规律。所以，我们从视觉器官入手，深入浅出的描述智能产生的过程。

1.1视网膜细胞的兴奋

视网膜上排布着对光敏感的视觉细胞，当外界的景象投射到视网膜上时，光强超过兴奋阈限的细胞，就会冲动。并在视网膜上形成一个与外部景象相似的图像。比如，看见字母A时，在视网膜上，就形成如图所示的模样。不过，冲动型的细胞，只能构成二值位图。

视觉细胞有分泌递质的能力，递质的分泌，可以让兴奋的状态延续一段时间。等到“递质”完全降解， 印象才完全消失。所以，“冲动”是脉冲的上升沿，而“兴奋” 却要包括递质降解前的时段。

图1

1.2轮廓图

假如我们用肉眼看黑板上的白字，视网膜上兴奋细胞，应该分布在笔画经过的地方。反之，看白板上的黑字，兴奋细胞应该分布在笔画之外的地方。两种状态下的图像，互为负像。这时的图像，就是二值位图，可以包含视野中的全部信息，也可称之为全息图。试想，白板黑字的情况下，大量的细胞都得兴奋，那得消耗多少能量？显然这不符合“节约”的规律。

于是，视网膜发育出拮抗功能，若有成片的高亮区域出现，毛细血管，就会分泌抑制性激素，抑制视细胞过多兴奋。其结果，持续兴奋的细胞，只集中在亮暗区域的交界处。显然，这样的图像就会变成轮廓图。专业术语叫：图像被锐化了，这就是，眼科专家所说的“马赫带” 效应。

轮廓图，皆以线条的形式分布。那么，对于本身就是线条状的文字图来说，无论是用白字黑底，还是黑字白底，反映到视网膜上，都是相同的形状。所以，小朋友识字，就会不在意白板还是黑板，只在意其形状。这就能抓住了事物的本质特征。而亮度是外源光的反射，极易变化，反映不了物体的本质属性。

或许有人会说：那么亮度和颜色不就丢失了吗？其实不然，若缺失亮度，拮抗系统怎么会分泌抑制亮度的激素呐。其实，视网膜上的中心凹和黄斑区，可以把它们感受到。因为，这里的视锥细胞，不受拮抗作用的影响，可以得到亮度、颜色的信息。也就是说，动物眼睛的构造，并不像CCD那么简单。它不擅长记忆大量的信息，而是擅长抽象信息，以便分类之用。根据这个原理，智能摄像头，是不是可以增加这个功能呐。

那么，一般真实景象，经过拮抗功能的处理，会有什么效果呐？比如看十五的圆月亮，这视网膜上，起初是个圆盘，但在拮抗的作用下，就变成了一个圆环。既然是圆环，里面的其他图像，就不会被淹没。显然，任何景象，在视网膜上，起初都是位图，而在拮抗的作用下，会迅速变成轮廓图。而轮廓图最适合用矢量图表示，比如现在的人脸识别，都是将特征，用矢量进行标注。与位图相比，矢量图信息，节约多了。

为什么一幅漫画，就能准确认出描述的对象是谁。黑白电影，也不会让人看着别扭，产生错觉，这都是抽象的结果。那么，亮度和颜色等同时出现的信息，有没有必要记忆呐？在大脑搞不清有没有作用时，往往都会尽量记住。比如，双胞胎的肤色，一个略白，一个略黑。同时出现时，就可以作为鉴别的标志。但是，单独看见其中一人时，肤色特征就失去鉴别作用。于是大脑会找更有效的鉴别特征，比如痣，就比肤色重要。可见，经过用进废退的规律筛选，不起作用的信息，就会被意识忽视。而常用来鉴别事物的信息，则会受到“注意力”的特别关注。

总之，用这样的方法识别图像，不需要隐含层。每一个神经元，都承载一个明确的概念。它的兴奋，就使大脑想起这个概念。

1.3神经干细胞的“记”功能

人的大脑内，每天都会产生神经干细胞，并通过血液，流向全身。它原本是颗粒状，没有触角，但却要分化成有触角的神经元。那么，是什么原因，让其触角接驳到相应的地方？内在的信息是DNA吗？可是，DNA都相同，而神经元的形状却各不相同？说明，其分化的形状，一定是细胞外的信息所为。

什么是细胞外的信息？身体内兴奋细胞的组合，比如视网膜上的字母，就能塑造（分化）神经干细胞。因为，细胞产生冲动时，细胞膜内外的离子会快速交换，在平静的细胞外液，形成局部的离子势阱。包括分泌的递质，都会对干细胞的伪足（丝状蛋白），产生吸引。显然，静息的细胞，不具备吸引伪足的能力。所以，连接关系就是记忆。

随着伪足与兴奋源的接近，干细胞所受的加权刺激，就会逐步增强，一旦合力超过兴奋阈限，就会冲动，继而蜕变为成年神经元细胞。而伸出去的伪足，则蜕变为输入信号的触角——神经树突，并吸附在诱导细胞的身上。在两者交接的地方，形成了一个称之为“突触”的接头，像吸盘一样吻合在一起。但不是融为一体。这样的结构，像一个阀门，只有满足一定条件，信息才能传递过去。满足不了，信息将会终止于此。 如图2所示。

图2

这就实现了记住功能，比如，眼睛看见字母是A时，视网膜上的兴奋细胞，就会排列成A字形。如果此时有神经干细胞在场，它就会伸出伪足，去接驳那些兴奋细胞，于是， A字母的形状就这样被记了下来，形成概念神经元A。如图3所示。

图3

这种用伪足接驳兴奋细胞的行为，等于把当时发生的信息及时抓住，从本质上讲，就是用缔结关系的方式，记住信息。得到的神经元，就自动承载了一个“概念”，是一种自然的标注。

当然，如果神经干细胞充裕，也会分层逐级联系。比如，用多个神经干细胞，先把局部线段记下，得到几个子概念。之后，再用一个神经元，把这几个线段再次联系起来，就得到母概念。

假如，大脑中的兴奋点过多，而神经干细胞过少，其伸出的伪足就多，蜕变后的树突就多，但层级少。就此案例来说，一个神经干细胞，可以记一个字母。这样，单个神经元是一个基本单元，没必要细分，节省神经元。倘若用一个神经元记一个汉字，汉字成为基本单元。而不是以笔画为最基本单元，那就不能用于五笔字型输入法。没法用图形对汉字进行搜索。

那么，大脑是怎么“自动”解决这个问题的呐？那就是，形成时伪足尽量多的抓取信息。使用时，再通过修剪树突，变成为基本单元。这样，可保证基本单元用一个神经元承载，没有细分的必要。所以，三岁前的记忆，想不起来。

何况，神经干细胞连接的诸多要素，未必属于一个事物。只有通过再次兴奋，借助递质积累，才能实现去伪存真（修剪）。或通过逐级的联系，实现拾遗补缺（嫁接）。这就是大脑可以无监督学习（记忆）的缘故。也是大脑不能像电脑，一次性完成记忆的原因。小修小改，与时俱进的功能，是概念形成，不可或缺的机制。

由于，人脑每天产生的神经干细胞数量有限，要让单个神经干细胞记更多的信息。同时兴奋的细胞越多，形成的触角就越多，并行计算的规模就越大。显然，图像的信息量，就比文字的信息量大。记图像比记文字划算，且容易回忆。这就是大脑喜欢形象思维的原因。比如，有形事物的动态机制，通过图像就一目了然。

刚出生的孩子，神经干细胞的产量最高，这从脑容量的增长速度，就能反映出来。但是，缺少信息的刺激，过剩的神经干细胞，就不转变为神经元，而会变为神经胶质细胞。这种现象，在干细胞的培养实验中，时常发生。

1.4网络是后天形成的

既然，记忆后天信息的神经元，是后天形成，其连接关系则各不相同，说明其能吸收后天的信息。不会像深度神经网络那样，相邻两层的神经触角，得悉数相连。如图所示。如果那样，单个神经元的触角，将多如牛毛。

实际观测证明，视细胞和神经元的触角，并非悉数相连。层与层之间的情况，也是如此。甚至，层与层之间的界限，都不明显。可见，只有后天形成的网络结构，才能与之吻合。

如果，一个人出生后所接触到的信息，是由神经元的结构来记住。那么，这些神经元形成的时间，就会有先后之分。这就给上述推论，留下了验证的机会。事实证明，老年人的大脑，会有新的神经元形成。

1.5记忆的目的是“抽象”

对大脑而言，记忆信息的载体，总是供不应求的。而，“避害”作为动物的第一需要，只有识别危害，才能避免危害。基于上述两点，有限的神经干细胞，就不可能用来拷贝信息，必须抽象。

那么，根据什么原则抽象呐，那就是：从大到小的分类。刺激感官频率高的要素信息，通常是大类的特征。就图像而言，反映形状信息的轮廓图，不易变化，出现的频率就高。将轮廓信息组合起来，等于抽象出权重大的特征。

人眼，可以将信息，由不同的机构处理。比如，用密布血管的视网膜，能产生拮抗，来抽象物体的轮廓。用中心凹和黄斑区，处理亮度和颜色。

虽然，轮廓图并不能直接分割图像。但是，可以改变分割图像的方法，摒弃矩形框分割法。这是图像识别的一大突破。先通过神经干细胞，抓取轮廓线，剔除了大部分无关像素。接下来，靠递质的沉积，进行再次统计，便可实现分割图像。因为，不断变化的信息场中，直接相关的信息，二次再现的概率极低。因此，人脑不需要经过大量训练，就能记住概念。这是深度学习不能比拟的。总之，频率高的信息首先被记住，并成为区分大类的要素，也是权重大的要素。

综上所述，大脑抽象的原则就是：用有限的记忆载体，在力所能及的情况下，记大舍小，逐级分类。随着生物的进化，记忆信息的载体增加。记忆要素的层次，便延伸到小类。比如蚊子，只要有动静，就会飞，只需记住有没有“动静”这样简单的信息。而人类，却可以分辨动静的细节，做出多种多样的反应。

可见，识别能力，不只是高等动物的专利。1000×1000的视网膜，和8×8的比较，没有本质上的区别。所以，蚊子也有智能。其差别在于，高级的大脑，能将事物的识别，深入到分类的细枝末节。

1.6“认识”的机制

联系式的“记”模式，有什么用呐？试想，在A神经元形成之后，回头再看字母A，神经元A就会迅速冲动。这与没记住的反应，大不一样。因为，A神经元的再次冲动，可以让大脑感觉，自己曾经看见过字母A。

另一方面，只要A神经元兴奋，树突就会将刺激它的递质吸收，使得视网膜上的A图形消失。相当于视网膜上的兴奋点，汇集到A神经元这一个点。既兴奋通过要素，搜索到了概念A，这就实现了神经元的“认识”机制。

需要说明一下：“要素”和“概念”原本是一回事，要素的组合叫概念。相当于子母关系。另外，同样的概念，用于识别事物时叫要素，区别事物时叫特征。反映在大脑里，都是用神经元承载。

1.7同层概念的塑造

假如在A神经元形成之后，用眼睛去看图像B，大脑会有何反应呐？请看图4，视网膜上的兴奋点分布成形状B。

这时，A神经元上会有8个树突受到刺激，相当于全部20个树突的2/5。它为什么不冲动呐？因为刺激的合力，难以超过细胞冲动阈限，也就不易产生冲动。

图4

于是，视网膜上的B图形会完整保持，这就为塑造神经元B创造了条件。倘若，这时有神经干细胞在视网膜附近，其伪足就会去接驳兴奋细胞，于是，神经元B就会被塑造出来。如图5所示。

图5

以此类推，当A、B神经元形成之后，再用眼睛去观察字母C，视网膜上的兴奋细胞，就会出现如图6所示的形状。这时，A神经元会有4个树突受激，16个无刺激，显然受激强度太小，很难兴奋。

图6

再看神经元B，尽管有18个树突受激， 也还有10个无刺激。只要冲动阈限高启，也不会冲动。视网膜上的C图形就会完整保持。因此，这又为塑造C神经元创造了条件。

鉴于，认识时，冲动的神经元，会吸收视网膜上兴奋细胞的递质，相同的概念就不会重复塑造。假如，大脑内的概念可以重复塑造，那么，使用多次的字母，得有多少？

所以，只要兴奋阈限一直高启，52个大小写英文字母神经元，都能被陆续塑造出来，也就是被记住。不仅如此，所有西文字母、标点符号、阿拉伯数字，也能被8×8点阵的视网膜，塑造出来。且不会重复，每样一个。

1.9组合译码器

人类视网膜的细胞，超过1000×1000，能塑造的图像概念，可达2^1000×1000。可是，万变不离其宗，它与8×8点阵相比，没有质的不同。这不就是一个万能译码器吗？成千上万个概念，能在一瞬间识别出。但是，组合译码器的输入端，本身就是特征像素，与静息细胞无关。因为，静息的视细胞，既不输出1信号，也不输出0信号，相当于高阻态。所以字母神经元不需要与每一个像素连接。这样才能形成“组合译码器”。

组合译码器有什么优点呐？那就是模糊识别。比如，相似但不相同的图像，用排列译码器进行识别，要么认识，要么不认识。而组合译码器则未必，它能在无数个事物中，通过轮廓线的吻合度，选择一个最相似的概念，作为答案。

试想，即使是同一只猫，只要在不同的时间和地点观察，都不会相同。精度越高的排列译码器，越不认识。试想，老鼠的视网膜要是用排列译码器，再次看见猫，如何能认识？所以，动物的视网膜，肯定是组合式译码器。

而且，具备模糊识别的能力，就可以根据相似度，把事物认识到不同级别的类概念。比如，看见一个动物，可以根据分辨率，认识到“界门纲目科属种”的任何级别。上不封顶，下不保底，人脸的表情包也可以识别。如此了得的跨界分类能力，也只有用矢量轮廓图，才能轻松实现。

2意识

如果依赖大数据和强算力来研究智能，势必会忽视单个神经元的意识功能。没有意识的智能，就是伪智能（人为智能）。

2.1生物脑的强项“意识”

就前例而言，在字母C神经元塑造前，大脑若将A、B神经元的冲动阈限调低，会发生什么情况？肯定是B神经元首先冲动。因为，它受刺激的触角有10个，占所有触角（10＋18=28）的5/14。而A神经元的受激触角有4个，占所有触角（4＋16=20）的1/5，比B小。

显然，这是在用视网膜上的图像，与大脑记忆中的所有概念，同时进行比对，也可以称之为“并行博弈”。只要阈限不停止下降，总会有神经元兴奋，而且是相似性最高的那个。鉴于此案例只有两个概念，所以，最接近C的是B，就率先冲动。

当大脑记住所有印刷体英文字母后，再读英文手稿，从未见过的畸形英文字母，也能认识。这是为什么呐？试想，只要识别的目标被限制在英文字母，相似度总会有差别。因此，通过阈限的降低，总能选出最相似的字母，实现冲动。因此，大脑只记一个标准概念，却能进行冗余性很大的模糊识别。其本质就是：用区别代替识别，俗话说“不怕不识货，就怕货比货”。这也是并行计算的优势，串行计算机不行。

从生存的角度看，动物面对恶劣的客观环境，必须要作抉择。不能因为没见过，就视而不见，充耳不闻。通过降低阈限，大脑就能选出一个最近似的答案。那么，降低阈限的功能，应该怎么称呼呐？除了“意识”还有其它更合适的概念吗？

如果，观察图像时，各字母神经元阈限都高启，却还有神经元兴奋，那一定是要素特别充分，这时，才称得上“认识”。若部分要素不吻合，则必须通过阈限下降，才有神经元兴奋。这样的兴奋，只能称之为“识别”。可见，“识别”的本质，就是对模糊事物的归类。

而激发神经元时的阈限大小，与吻合度（相似度）线性相关。若能测控它，就能决定大脑对输入信息采取的态度，是记住、识别、猜测。这种自组织功能，不就是我们日常所说的“意识”吗。

那么，阈限的调节，取决于什么因素呐？“激素”。同时，激素还兼具让哪些神经元敏感的作用，缩小选择范围，一举两得。而管理激素的这一套伺服系统，会产生一系列“意识”概念，所以称之为“意识”系统。

2.2神经元的冲动阈限

那么，神经元的冲动阈限，是怎样形成的？这得先了解一下细胞的冲动机制：神经细胞像一个小电池，由于细胞膜离子泵的作用，使体积小的钾离子，被泵入细胞內液。体积大的钠离子，被泵到细胞外液。由于数量上的不对等，就造成了膜内外的电压产生差异，形成膜电压。

膜电压一大，细胞就会变得更敏感。一旦受到刺激，膜面上的通透性就会产生剧烈的变化，相当于筛子的网眼变大。使膜内外的离子自由交换，膜电压也随之突变，这就是冲动。由于刺激往往是个点，如树突的末梢。于是，刺激点的网眼，还会象水波纹一样，在细胞膜上快速扩散，传递到各触角末端。显而易见，大网眼走到哪，离子的自由交换就跟随到哪。与此相伴，陡变的电压，也会跟随到哪。于是，信号会一起从有刺激的触角出发，传递到没有刺激的所有触角。

鉴于，波的传输速度，比物质移动的速度快。因此，神经纤维传输信息的速度，就是细胞膜网眼移动的速度。而且，实验证明，刺激神经纤维的中点，动作电压会向两边传递。这就为突触的双向传递，提供了先决条件。

2.3阈限的外部调节

显然，影响阈限的关键因素，是膜电压的大小。膜电压一大，神经元就变得敏感，微小的刺激，就能使之产生冲动。反之，膜电压一小，神经元就变得迟钝。

那么，膜电压能不能调节呐？既然膜电压是由细胞膜内外的离子差异造成，那么，改变膜内外的离子含量，不就能改变膜电压了吗。当然，提高细胞膜离子泵的功率，是可以改变膜电压。但要靠睡眠，相当于给蓄电池充电，快速调节是不可能的。而将不同的“电解质”（激素）注入到细胞外液，却能改变局部离子的含量，选择性改变部分神经元的膜电压。提高膜电压的激素，叫兴奋剂。降低膜电压的激素，叫麻醉剂，或叫抑制剂。

可见，造成神经元冲动的因素，不仅是递质，还有激素。不同的是，递质只在信息的通道“突触”上起作用，而激素则在“突触”以外的细胞膜上起整体作用，它不属于递质。也就是说，递质承载着信息，激素承载着能量。有时是激素先起作用，递质后起作用，有时是递质先起作用，激素后起作用。只有通过两者一前一后的默契配合，才能实现人脑那种神奇的思维。信息的行为，叫智慧，能量的行为，叫意识。所谓智能，就是智慧＋能量。

2.4血管神经网络

激素产自多种腺体，但都得通过血液运输。如果有一套系统，控制血液走向、数量、时机，就能使能量供应变得井然有序。这就象给植物浇水，存在漫灌和滴灌。因为需要精准滴灌，血管才会发育成网状。所以，神经与血管常常是结伴生长。

大脑血管的分布是树状的，假如在树状血管的每个分叉处，都设有一开关。那么，血流就能被定时、定位、定量的控制。这一切，就是由血管神经系统来实现。

同样的道理，血管神经元的兴奋，也可以像视网膜那样，塑造新的神经元，并在先天神经网络的基础上，嫁接出后天的网络。毛细血管及末梢神经，可在后天生长，这已被证实。

可是，刺激视网膜有外来的光线，那么，刺激血管生长的信息来自哪里？试想，兴奋在突触间的传递，不可能路路通。中断的信息载体“递质”，就会从突触间隙，泄漏到细胞外液。继而，刺激毛细血管，使其分泌应激激素。并通过血管，刺激伺服血管的神经元，并嫁接出新的血管神经网络。

当然，血管神经网络和信息神经网络，有可能长到一起，特别是在中枢神经区域。只有这样，血管的状态才能用概念描述，用思维控制意识。

可想而知，血管就像电网一样，一旦神经元冲动，就会请求其供应能量，并获得及时响应。于是，相关神经元的膜电压，就被电网分泌的激素提高，注意力就被吸引过来。

关键是，每个神经元承载的概念，都是独一无二的。因此，伴随血管分布的神经网络，能为兴奋的概念，精确的定位。

从动力学角度看，它还能利用能量，协助兴奋在单一线路上，反向传递。使突触的实现双向传递，成为可能。只有这样，兴奋的传递，才能循环往复。

2.5意识的作用

为什么要把血管伺服神经，叫做“意识”神经呐？因为它具有如下的功能和属性。

2.5.1测度功能

意识神经网络就像一个测度仪，能为思维定性。因为，当神经元的阈限一定时，其冲动与否，将由递质和激素的合力来决定。而，递质只作用于突触间隙，激素却作用于突触以外的细胞膜。于是，神经元的冲动，可大致分为5种情况。（1）不靠激素，完全由递质诱发的冲动，这叫认识。通常，这是在所有树突受刺激的情况下发生。（2）激素为辅，递质为主的冲动，这叫识别。通常，这是在大部分树突受刺激的情况下发生。（3）激素和递质的作用半斤对八两的冲动，这叫猜想。通常，是在一半树突受刺激的情况下发生。（4）激素为主，递质为辅的冲动，叫联想。通常，是在少数树突受刺激的情况下发生。（5）递质不起作用的冲动，叫遐想。通常，是在没有树突受刺激的情况下发生。比如做梦，并没有信息刺激，完全是膜电压提高所致的自激。

总之，上述五种情况，对应着血管神经的五种不同的兴奋组合。或者叫血管神经的五种感受，形成不同的5种意识概念。

如果从两个极端看，第1种完全是理智型思维，第5种完全是感性思维。这些被动型的感受，就是测度功能，叫注意到。

2.5.2注意力管理

神经元既能感受递质的刺激，也能感受激素的刺激。递质刺激在先，激素被动分泌，血管神经产生的意识，就是测度功能。相反，激素刺激在先，递质刺激在后。所产生的意识，就是控制功能。比如打乒乓球，在接发球时，注意力得集中在来球线路上。此时，信息神经元还没有冲动，但其敏感性却已提高。此时，思维已被限制在一群概念之内，即使苍蝇从眼前飞过，大脑也会视而不见。说白了，就是用注意力，约束了一群神经元，这就是主动意识，或叫“有意”为之。

既然，注意力可集中在部分事物上，即使有其它事物出现，也可以视而不见，听而不闻。说明，大脑具有选择性吸收信息的功能，也就具备天然的抗干扰能力。

通常，一旦思维启动，注意力就会尾随而至。如果超前，还会引导思维，两者往往是交替前行。比如，观看到相似的物体时，中断信号的突触就会泄漏递质。继而，导致毛细血管激素的分泌，刺激相关概念参与并行博弈，影响下一步路径的选择。

当然，意识在约束思维时，测度功能也如影随形。或者说，测度的结果，影响着意识的取向。两种功能，交替发挥作用。比如，读书时，意识神经主动控制着视线，在字里行间扫描着。而信息神经，则通过相似度，识别着文字和语句。与此同时，血管还不时的受到信息的干扰。比如走神，虽然视线还在继续浏览，但思路却被引上了岐途。

2.5.3能量在并行计算中的作用

激素就好像集成电路的电源，没有能量的提供，信号则无法持续传递。而大脑的血管，就是神经网络的电源。它可以向分散在各处的神经元，同时提供数量相当的激素。通过提高它们的敏感性，可以在大脑内，临时圈定出一个敏感的概念群。等同于圈定一个定义域，或叫集合，只让圈內的神经元并行博弈，平等竞争，摘出一个与“输入信息场”最接近的概念。比如，看书时，意识已把注意力，集中在文字神经元群中。那么，经博弈兴奋的神经元，必然是文字。

与大脑相比，集成电路有电阻率很小的公共地，电压不能变化。而脑脊液电阻率大，不可能做为公共地。所以，大脑就另辟蹊径，用血管滴灌的方式，创造一个平等博弈的环境。

这样，反而可以将概念，进行任意组合。且不需要搬动神经元，就能将散落在各处的神经元，进行并行博弈。不必像电脑那样，把数据转移到CPU去计算。所谓分布式计算，就这样实现了。

可见，能量的自动管理，产生了意识系统。单一的信息系统，实现不了智能。而且，系统的自我进化（创新），不能缺少意识。所以，现在的算法，只能靠人脑协助，硬件靠大脑设计，软件靠大脑编辑。

总之，神经元既是记忆单元，又是计算单元，所以，最简单的GPU就是单个神经元。再复杂的机制，都可以用它们连接成网络，模拟出来。就像采用一组方程，来描述这个机制。当然，智能电网的“意识”系统，也不可或缺。

2.5.4情商

信息神经系统的序度叫智商，意识神经系统的序度叫情商。既然信息神经网络可以进化，意识系统也就可以进化。比如，世界观、价值观、人生观、信仰、自尊、骄傲、谦虚、态度、情绪、毅力……，意识方面的概念也会层出不穷。序度的进化，也就是情商的提高。

注意力的管理能力，反映情商的高低。疲劳的状态，注意力不易集中，主观意识也难以控制。一旦管理好，智力也提高。

3深层网络的构筑

3.1单词神经元的塑造

当字母层神经元形成后，眼睛再次看书，会是什么效果？如果是初学者，其视线会在意识的控制下，按顺序逐个认识字母。于是，相应的字母神经元就会相继兴奋。若此时它们能分泌足够的递质，便能形成一群“并存”的兴奋点，造成对新生神经干细胞的吸引。于是，单词神经元就被塑造出来。例如，单词apple、picture、home的塑造，如图7所示。鉴于单词太多，图示起来看不清，在此，仅用三个单词代表。

由于，眼睛在摄取动态信息时，字母神经元是轮流冲动的。虽然，递质的分泌可以延续一段时间，但因其降解的速度很快，所以，也会轮流归于静息。因此，兴奋点并存的数量就很有限。于是，这时塑造的神经元，树突就会较少。若遇到单词的字母太多，还得用几个干细胞，来分段记住。

3.2串并转换

这就像用照相机拍摄走过窗前的人流，同时看到的人数，总是有限的。若要既不重复，又不遗漏，那就得多次曝光，分段记住。对神经系统而言，就是利用“递质暂留”形成的“时间窗口”，将串行信息转化为并行信息，然后用神经干细胞来记忆之。

其实，计算机讲起来是串行计算，实际上在每一步运算中，还是并行处理的。因为，CPU是有“带宽”的，早期只有4比特，现在达到64比特以上。只不过，与大脑不同的是，CPU的带宽是固定的。必须由0、1、“带宽”这三个要素，才能构成排列的状态。而神经网络的“带宽”，则是由不同位置的兴奋点决定，可宽可窄。这是一种组合状态，与向量函数的描述方法契合。

上述机制，可在现实生活中找到贴切的例子。比如记电话号码，人们常会将其分成几段，也就是用多个神经干细胞来记住。比如，记11位手机号码时，有的人采用3、3、5组合，有的人采用3、4、4组合。同一个号码两种读法，会让人有不同的感觉。不信，与身边的人试试。

其实，标点符号的产生，就是给断句的位置做出标记，以便读者获得与作者相同的理解。在此停顿，保证并行的数码长度。否则，同一句话，不同的组合，会产生不同的含义。

再则，用哪种组合记电话号码，是由意识控制的。试想，如果阈限高启，神经干细胞就不会轻易冲动，等待兴奋的神经元多了，伸出的伪足就多。当然，前提是，不能超过第一个兴奋点延续的时间窗口。

再来看看使用频率：在字母层，26个字母大小写，共52个。鉴于，单词是由字母的不同组合构成，到单词这层，其数量便会激增。单词神经元的兴奋，多是由字母神经元兴奋造成的。所以，单词神经元的兴奋次数，就比字母神经元低。根据用进废退的原则，字母就比单词记的牢。

3.3逐级塑造的机制

综上所述，神经网络的构筑方式，是逐层塑造。表层信息的丰富，可以加深纵向记忆的深度。以此类推：单词神经元的相继兴奋，可塑造语句神经元。语句神经元的相继兴奋，可以塑造短文神经元，直至塑造出各种文章级别的神经元。理论上讲，通过层层叠叠的塑造，一篇洋洋洒洒的文章，最终，有可能汇集到一个神经元。显然，这种逐层塑造的记忆方式，纵向深度，取决于表层的宽度。信息越广博，知识才能越精深。所谓知识，就是经过组织的信息。

话说到这，读者肯定会产生疑问，递质暂留的时间，取决于递质囊泡积累的多少。囊泡积累的多少，又取决于使用次数的多少。从字母到单词，再从单词到语句，其数量以“阶乘”的方式增加。那么，平摊到语句的使用次数，就迅速减少。要想用递质积累来记住语句，其难度可想而知。所以，在传话游戏中，语句一长，就会误传。

可见，神经网络的层数，不可能无限增加。而且，并不是层次分明。因为，同时或相继兴奋的概念，未必在同一层发生。何况，概念的要素没有分层记忆的必要。

其实，神经元的基本功能都一样。关键是各触角的权重，以及和其它神经元的连接关系，在使用中可以不断调整。一个神经元就是一个函数计算器，经过迭代，便可以形成描述任何事物的方程组。那么，这样的网络，同时具备记忆和计算功能。所以，在大脑里找不到存储器。

3.4不可替代性

难道，这种多层次，后天形成的神经网络，是不可替代的吗？答案是肯定的。因为，大脑中每一个概念都是独一无二的，用这种方式的记忆，最节省神经细胞。不像电脑和书籍，每一篇文章，需要占用不同空间来记忆。比如这篇文章，不过是有限词汇的重复使用。而大脑阅读这段文字时，是通过重复调用同一概念神经元来实现的。那么，在概念的“唯一性”和“不可移动”这两个条件制约下，大脑的思维机制，不可能有其它的模式可选择。

试想，如果互联网的数据，按照大脑神经网络的方式储存，我们要节省多少存储器。不仅如此，互联网的结构，都将不断进化，让整个社会运行的效率提高。

其实，现在的核磁共振技术，可以通过血氧的分泌轨迹，对概念神经元进行定位。一旦获得概念分布图，就能通过血氧行走的轨迹，读出思维的内容。只不过，目前的精度还比较低，血氧降解的速度比较慢。加上血氧反应的是激素的运行轨迹，没有递质的轨迹那么细致。但愿，未来的技术，能探测到递质的轨迹。到那时，大脑的思维，就会清清楚楚的显现在人类眼前。读心术，将成为可能。

4.递质

4.1图像分割

前述字母的记忆，是理想化的图像，既没有多余的笔画，也没有其它的景物掺杂，所有的轮廓线，都属于一个概念。然而，现实的图景，多半是各种事物交织的状态，面对这些叠加在一起的轮廓线，神经干细胞怎么能分辨？所以，它的伪足，只能是眉毛胡子一把抓。于是，再次分割的问题就显现出来了。

虽然，轮廓线不能直接分割图像，但改变了分割方法。也就是线条“涵盖”法，代替矩形面积分割。其优点是，重叠的事物，能精确的分辨出来。比如，在一个人的脸上，可以将他的眼镜区分开来。

当然，注意力既可以关注面容，也可以关注眼镜，就又涉及到意识的问题了。显然，只有矢量图，才可以并行处理多个概念。因此，大脑可仁者见仁，智者见智。何况，在同一个画面里有多个概念，还可以连系成更大的概念。

试想，眼镜不总是戴在脸上的，把它换一个地方放置，再次识别。误接的要素接口，就没法传递兴奋了，递质就不会沉积，连接则会迅速弱化，甚至脱落。而所属要素的接口，却会继续传递兴奋，沉积递质。利用传递概率的差异，神经元就能自动抽象要素了。也就达到了“去伪存真”，自动采集特征的目的。

可见，背景信息的更换，对剔除误接要素，至关重要。与深度学习相比，训练的次数可大大降低。两三次足以，所以动物，不用那么大的计算能力，就能迅速建立概念。

当然，直接记忆不掺杂干扰信息的概念，去伪存真的工作，已经由别人完成。比如语言、文字、符号的交流，都是经过抽象的信息。这就是监督学习。

神经干细胞在抓取要素时，也会产生遗漏。仅靠递质积累是无法弥补的。没关系，继续用神经干细胞的联系，来拾遗补缺。因为，概念和遗漏要素屡屡同时或相继兴奋，自然会有干细胞将它们连系起来。

其实，不光是图像概念存在分割的困扰，深层概念也有。或者说，每个初期建立的概念，面对的“信息场”，都有差异。只有通过交流，才能求同存异，约定俗成，得到一个公认的标准概念。

可见，大脑的记忆，之所以不能一蹴而就，并不是生理缺陷，而是不可或缺的矫正机制。

4.2递质作用的归纳

1，统计功能：根据“用进废退”的原理，突触每传递一次兴奋，递质囊泡就会增加一点。一方面是对传递次数的记忆和统计，属于测度功能。另一方面，传递能力也会加强，属于控制功能。

2，权重配置：递质积累的多少，影响传递能力。各要素的权重，也在不断的调整。可见，递质的实时变更，可以让大脑始终保持着对变化着的事物，有最新的认识。量变到一定程度，导致质变。

3，串并转换：递质的暂留，可以延续冲动的状态，让串行冲动的兴奋相互重叠，变为并行存在的信息场。

4，塑造神经元：神经干细胞变为神经元时，递质是诱饵，吸引伪足的接驳。

5，诱发意识：递质从突触间隙泄露，刺激血管，间接造成血管伺服神经系统的形成，所以说，它也是意识产生的原因之一。

6，制造译码器：通过训练形成的习惯性思维，相当于把通用译码器，塑造为专用译码器，把软件变成硬件。此后，无意识的习惯动作，就能实现。反而果断、准确。

其实，递质的作用几乎存在于思维的方方面面，不管是直接的，还是间接的，或许还有不少，那就有待人们进一步发掘了。

4.3神经胶质细胞的由来，

神经胶质细胞的形状与神经元类似，特点是不能产生冲动。试想，退化的突触具有什么特点？那就是传递能力衰减。长期不用的神经元，所有的突触都失去传递能力，神经元怎么能产生冲动呐？那不就是胶质细胞吗。

从另一方面看，人的一生中，记忆的概念有多少？能回忆起来的概念有多少？那些神经元细胞，都到哪去了？大脑切片发现，神经胶质细胞和神经元细胞的比例，大约在8:2左右，这与忘记的概念和记住的概念之比相当。

那么，反过来说，神经元的比例越高，说明神经干细胞的利用率越高。频繁改行，且再不回忆的神经元，存活率就低。经常回忆，是提高大脑效率的最好方法。

5递质与激素

5.1递质与激素的互动关系

1，此长彼消的关系：神经元的冲动，是激素和递质的能量叠加造成的。当细胞膜离子泵能力一定时，两者间的影响力就此消彼长。记忆之初，接口递质积累少，就需要激素多出力。比如跳舞，初学时不熟悉，就需要意识系统帮助。具体表现为：能量消耗大，易出汗。随着递质的积累，动作越来越熟练，激素的作用就会越来越小。

2，有意转变为无意：再从一个角度看，激素是意识系统控制的载体，当激素减少到0时，思维就无意识了。比如我们走路，完全可以在无意识的情况下进行，叫不在意，没感觉。

3，做梦：睡眠时，血液中的激素含量降低，大脑处于无意识状态。但是，睡眠让离子泵的功率得到提高，它能将神经元的“内缘性”膜电压抬高。微弱的刺激，兴奋就会像多米诺骨牌一样传递，产生一系列离奇的想象，这就是做梦。

4，灵感与顿悟：凌晨时分，经过一夜的营养的补足，膜电压最高，细胞敏感性最强。微弱的刺激，就能让人从睡眠中苏醒。此时的思维，递质起主导作用。所产生的思维，偏向理性，常出现灵感和顿悟。这时的创造力，是最强的时候。与做梦不同的地方是，有意识参与的思维，能够记住。

5，一心不能二用：在大脑中，意识系统只能处理一件事，俗话叫“一心不能二用”。但是，习惯性思维，却可以多路并行。比如，刷牙时哼小曲，同时“思考问题”。无须激素扶持的思维，必须在养成习惯之后，才能在特定的思路上独行。

6，两种系统的序度：信息神经网络的“有序”程度叫“智商”， 意识系统的“有序”程度叫“情商”。当递质起主导作用时，思维偏理性。当激素起主导作用时，思维偏感性。所以，大脑既会产生理性思维，也会产生感性思维。

7，两种思维的博弈：比如一个胖人，看见美食，理性思维想：不能吃，吃了会长胖。感性思维想：吃了多舒服啊，今朝有酒今朝醉。再比如，激情犯罪，就是因为情绪战胜理智所致。

8，与生理系统的相关：信息神经与生理系统间接相关，所以不会感觉疼痛。而意识神经与生理系统直接相关，能感觉疼痛。假如，血液中激素含量很低，痛感也弱。注意力转移，也能忽视疼痛。比如，针刺麻醉。

5.2短期记忆

所谓短期记忆，就是大脑新建的概念，在短期内再次冲动。前面已经介绍过，大脑建立新概念，要经过两个环节，一是神经干细胞的塑造，二是递质的再次积累。显然，新近建立的概念，递质积累是很少的，印象不会深刻。这时，如果没有意识帮助，要在短期内回忆新记概念，肯定困难。

好在，大脑有意识神经系统，它可把冲动神经元的位置信息，进行记忆。比如，分泌激素的毛细血管位置，就在冲动神经元的附近，将它们联系起来，就可为新概念贴上位置坐标。另外，冲动神经元与生物钟进行联系，也能为新概念贴上时间标签。回忆时，通过位置和时间的索引，先将激素投放到“当地”的位置。其实，就是还原当时的定义域。然后，再利用一息尚存的递质，让新近使用的神经元再次冲动，这就是短期记忆的机制。

显然，在意识记忆消失殆尽之前，频繁进行短期回忆，就容易转化为长期记忆。这与我们学跳舞的机制类似，起初以激素起主导作用。随着递质的积累，记忆就变得越来越牢固。

6.其它基本功能

6.1记和忆也是博弈

其实，兴奋的细胞群，可以看成是一个信息场，它们既可以激发已存在的神经元，也可以激发神经干细胞。同样是激发，前者就是回忆，后者却是记住。

只不过，神经干细胞是一个特殊的“神经元”，它和兴奋细胞之间的“突触间隙”特别大而已。为了缩小这个“间隙”， 神经干细胞使出了浑身解数，不惜让自己的身体急剧变形，生出很多伪足，去接近那些短暂兴奋的信息源。从这个角度看，记和忆的兴奋机制具有异曲同工之妙。

但是，从记和忆的角度看，神经元和神经干细胞之间的博弈，是两种完全对立的行为。冲动被神经干细胞抢先，就是“记”，被神经元抢先，就是“忆”。可见，记和忆的选择开关，是由量变到质变来决定。意识的调节，起关键作用。电脑要具有智能，须解决这个问题。

试想，如果大脑一定要认为眼前的事物是以往见过的。它的意识就会控制血管，快速分泌激素，迅速找出一个最相似的概念，加以确认。以免被神经干细胞抢先，把它当做新概念记住。比如，老同学聚会，你会有意识的，在当年同学的概念圈中，极力回忆起其中一位。

相反，参加一个陌生人的派对，就会有意识克制激素分泌，让神经干细胞在博弈中取胜，达到记住概念的目的。

6.2交集搜索

什么是交集搜索？查字典就是。比如，单词are，可以看成是以下三集合的交集：1，首位字母是a的三字母单词集合；2，次位字母是r的三字母单词集合；3，末位字母是e的三字母单词集合。串行阅读时，每增加一个字母，就压缩一次交集，剔除大部分不符合条件的单词，直至交集剩下一个元素。

按照惯例，字典搜索路径的编排，通常是从单词的第一位字母开始，而字母模版的顺序，是按A……Z的排列。实际上，无论从哪位开始，或由哪个字母率先。都可以不重复的，遍历所有的单词。不过，不同的排序，路径的长短不同。比如，有经验的人带路，会少走弯路。

搜索大脑里的大部分概念，通常不会有现成的路径安排，这就给意识留下了思考的余地。影响路径选择的因素很多，合理的路径选择，会缩短搜索的时间。

交集搜索的生理机制：一旦字母神经元a兴奋，则与a关联的所有单词神经元，都会有一树突受刺激。同理，字母神经元r兴奋，则与r关联的所有单词神经元，也都会有一树突受刺激。e字母也不例外。于是，在所有受刺激的单词神经元中，只有are神经元的树突受到的刺激最多，加权饱和度最大，所以，are神经元最易兴奋。

对并行搜索而言，不存在路径选择的问题。就像把are当做一幅画来看，就不存在谁先谁后的问题，并行博弈，直击目标。如果在意识指挥下，视线轮流看字母，大脑也会通过递质暂留现象，把串行搜索变为并行识别。

真实景象的识别，往往由意识控制的视线，从低分辨率到高分辨率的逐级观察，思路就会从大类向小类目标逼近。

可见，神经网络既可以并行博弈，又可以串行搜索。采用哪种方法，往往取决于意识。比如下围棋，在时间紧迫，选择路径太多的情况下，只能选择并行博弈，就是直觉。反之，当时间充裕，而路径有限时，串行搜索，就是推理。

6.3单个神经元的计算功能

神经元有计算功能吗？请看下面的例子：在老师告诉我们1+2=3时，我们的脑中就会塑造出一个神经元，如图10所示，其5个触角分别连接一个字符。多次练习后，老师会若反问1+2=？，树突1、+、2、=的入口处就会有递质。略有迟疑，递质就会泄漏，并刺激血管分泌激素。经过博弈，受激触角最多的1+2=3神经元，必然率先冲动。由于树突3没有输入信号，冲动就会反向传递到与3连接的接口，其分泌的递质就会对神经元3进行刺激。只要神经元3不冲动，递质就会在此泄漏，刺激血管分泌激素。继而将神经元3激发冲动，大脑便获得了答案。这就是神经元的计算功能。

图10

此时，树突3是被当做输出端使用的。若输出的次数大于输入的次数，其突触传递的能力，就会发生逆转，输出能力比输入强，树突就会转变成输出端（轴突）。所以，大脑中也会有触角很长的轴突。

个位数的算术，是复杂运算的基本算子，需要死记硬背。而复杂的运算，可以通过意识反复调用，来实现迭代运算。

或许有人会说，触角3为什么不能在形成时，就连接到输出端“轴突”上呐？试想，初次记忆，神经元怎么能知道树突3会是输出端？说不定将来经常遇到的问题是1+？=3，或者是？+2=3。所以，神经干细胞的初次记忆，并不能断定哪个接口将来会经常输出信号。只有经过兴奋的反复传递，才能确定其输入输出能力。

即便习惯已经形成，也不能说哪个触角就得是输入端，哪个触角就得是输出端。只有这样，一个神经元才能处理各种输入输出的状态，举一反三。比如，1+？=3，或者是？+2=3，都是用同一个神经元来计算的。或许，这两种计算不能像1+2=？那样快速运算。这种现象，想必读者都有体会。如果没有，就做个实验：不同的顺序，不同的概率。熟悉的程度，与概率成正比。

从计算功能的描述中，我们看到了，反向传递的实现机制。其合理性是显而易见的。而且，不同的问法，反应的速度有差别，恰恰说明了递质的积累，具有用进废退的功能。

在此，我们看到了另一种轴突的形成过程，那就是由树突转化为轴突。特别是外周神经元，兴奋多数是发散方式的，反向传递的次数远大于正向传递。而且是要靠反复练习，积累大量递质才能实现。

当传递的距离长，为防止被干扰，就会发育出隨壳。

6.4条件反射的机制

图9

如上述设想成立，那么，巴甫洛夫的条件反射试验，就能获得合理的解释：食物和铃声原本是两个无关的概念，当它们同时出现后，狗脑中就会有神经干细胞将它们连系起来，形成一个“连系”神经元。起初，它的两个触角都是树突，用来输入信号。随着传递的次数增加，递质的积累，突触会逐渐发达。偶尔，铃声单独响起，兴奋便会单独将“连系”神经元激发，兴奋只能从另一树突传出，到达“食物”神经元的接口（突触）。若“食物”神经元不接茬，泄露的递质就会刺激血管，释放出激素。取得激素的帮助后，“食物”神经元的敏感性就会提高，继而产生冲动。这就实现了反向传递，使狗想起了食物。如图9所示。一旦有过反向传递的经历，就会积累反向递质，再次反向传递的能力就会加强。结果是：狗听到熟悉的铃声，就想起食物。那么我们是不是可以认为“铃声”就是食物的代名词？

其实，妈妈教孩子看图识字，在大脑里，就是将两个概念进行联系。把图像概念和语言概念结合起来，以便我们交流时，通过一句话，将大脑里的图像显现出来。听故事，或看书，就是将一连串的图像显现出来。所以说，学习的本质就是联系，就是将概念联系起来，其实，也是为概念命名（标注）。

6.5大脑的弱点

有利就有弊，兴奋的细胞，不能大量并存。使得大脑的心算能力，变得很差。为了弥补这个缺陷，人们不得不借助书写，通过视觉，获得信息的并行输入。

在这方面，计算机就胜人一筹。比如，用汉字输入法搜索成语时，只要输入每个字的首个拼音字母，就能迅速找到成语，而大脑却不擅长。比如：q、p、y、l，猜猜是什么成语。如果猜不出，就用电脑搜索一下。为什么电脑能行，大脑却很困难，就是强大的算力。

因为，在 4个首位拼音字母和成语之间，隔着一层汉字神经元，假如能将q、p、y、l连接的所有汉字激发。那么，它们的交集，就是能搜索到成语神经元。

6.6维度与交集的关系

任何一个要素，都可以将具备此要素的相关事物，划分为一个集合。或者说，用这个要素作为一个维度，来涵盖一个范畴（定义域）。

表面看，维度越多，涵盖的元素越多，搜索的范围越大。其实，在形成关系网后，情况却恰恰相反。前面的交集搜索，就是最好的例证。既，维度越大，交集越小。层级越多，交集越小。单从这点看，神经网络的概念越多，交集的元素越少。

搜索引擎，也应如此。按照交集的逻辑设计，输入的关键词越多，目标的命中率越高。其实，任何软件都是在搜索。不管其功能有多复杂，最终都符合交集搜索的原理。

6.7想象与求证

大脑在搜索时，会存在两种信息，一种是显性信息，一种是隐形信息。或者说，一种是直接信息，一种是间接信息。比如，回答一个问题，问题本身含是直接信息。但你可以根据这些直接信息，去索取其涉及的间接信息。

这时，就会产生联想，而不是推理。意识就要起主要作用，但不是漫无边际。“大胆想象，小心求证”，就是联想加推理的思考机制。大胆想象，就是发掘潜在的信息。小心求证，就是将这些信息串连起来，形成合理的逻辑链。

6.8输入信息的省略现象

比如，遇到有人问：吃过饭吗？问话人省略了时间信息。这时，被问者，就会把时间信息纳入交集搜索。假如在11点之后，就可以判断，人家问的是中午饭，而不是早饭。可见，人们在交流时，常常会根据交流的对象、场景、身份等情况，省略很多信息。而听话的人，往往能意会到对方省略的是哪些信息。当然，误会也不可避免。但这是大脑的功能，也是一种智能，必须通过联想来实现。

不论是搜索引擎，还是机器人的大脑，要想赶上人脑，必须解决这个问题。有些功能并不复杂，比如，用语音拨电话，找“王强”。全国叫这个名字的人虽然很多，但是，这个电话号码要找的王强，可能只有一个。因此，号码本身就是间接信息。为什么不能用这个原理，实现智能拨号，让老年人不再记号码。

6.9推理的机制

如果要素缺失，搜索将如何进行？比方ho*se，中间的字母看不清，只有四个字母作为线索。搜索到最后，交集只剩horse和house俩单词。就像现在的搜索软件，会将其同时罗列出来。再也无法把范围缩小到一个元素。

大脑中的机制是：在这两个神经元饱和度势均力敌的情况下，如果阈限不降低，就不再进行博弈。冲动便停在两个神经元上，相当于罗列两个概念在脑海里。

图8

那么，有没有其他的渠道，能将交集进一步缩小呐？让我们看看它们塑造的下层短语。假如是He bestrode（骑） his ho*se，兴奋就能传递到horse神经元。假如是in the ho*se，兴奋就能传递到house神经元。

由此可见，只要我们把视野扩大，摄入的信息越多，兴奋的深度就会越深，交集所含的概念就会减少。当兴奋汇集到唯一神经元时，答案就找到了。

那么，谁能帮助大脑把视野扩大呐？那就是意识神经系统。试想，兴奋在信息神经网络中停滞时，递质就泄露到细胞外液，去刺激意识神经系统。这时，注意力就有可能将搜索范围扩大，使兴奋的渗透深度，达到短语的层次。然后，再由深到浅回溯到有缺陷的单词神经元身上。意识在此例的具体表现就是，将视线前移，将He bestrode（骑） his ho*se同时整体考虑，兴奋的输出角，必然涉及r字母。

由此可见，思维的过程，无非是兴奋的多环节传递，而且是信息传递与意识“测控”交替运行的结果。比如解方程，意识要决定先“移项”，还是先“约分”……，解不同的题目，有不同的排序规律。当现有的信息不足以解决问题时，意识系统就开始工作。通过注意力转移，来寻找潜在的要素或特征，帮助解决问题。在没有规律可循的情况下，只能靠经验和运气，通过试错，来解决问题。可见，即使是严谨的推理，也离不开非理性意识的帮助。但这并不影响最终的推理过程，是严谨且合理的。

6.11地址与数据的角色转换

电脑的计算功能和记忆功能是分开的，数据集中储存。使用时，通过地址搜索，搬运到CPU加工。

而大脑却没那么复杂，只用神经元及其触角，就能实现类似的功能。对神经元而言，触角联系的要素，既可作为数据，也可作为地址。对部分“要素”接口，输入刺激信号，就起到了地址的作用。只要这个连接众要素的“枢纽”神经元能冲动，兴奋就会向其它要素接口输出刺激信号，等同于数据的提取。这说明，神经网络不需要储存单元，也能进行记忆。其次，没有储存单元的网络，通过其结构形式来含有信息。

那么，词典采用的搜索方式，是人为规定地址吗？不是。它就是利用自身的要素进行搜索。而且，依据的规律，是“组合逻辑”。从词汇到语句，从语句到段落，从段落到文章……，可以无限的组合，实现多层次运算。任何事物，都可以用这种方式进行描述。

矢量图的分辨率可大可小，而且万变不离其宗。既满足了自组织原则，也不会浪费地址空间。更重要的是，地址本身就是内容的一部分，同样可以用少量信息，搜索出大量且详细的相关信息。这就把图像识别，和网页（关键字）搜索，统一在相同的逻辑原理之上。

尽管，刺激神经元的信号往往不齐全，但只要通过阈限的下降，神经元总能冲动。在神经元未冲动时，触角既不输入也不输出。一旦冲动发生，有信号的触角就会作为地址，输入信号。没有信号的触角就会作为数据，输出信号，没有哪个触角会无动于衷。所以说，输入口和输出口的分工是随机应变的。若从前因后果的角度看，先兴奋神经元输出的数据，就是后兴奋神经元输入的地址。

7结束语

以上论述，都是基于神经元的基本原理，推理出的基本记忆、计算、意识等功能，都能用计算机模拟。用于图像识别，比卷积网络省事，其每一层运算逻辑，都清晰明了，有章可循。

人工智能就是制造智能的机器，更特指制作人工智能的程序。人工智能模仿人类的思考方式使计算机能智能的思考问题，人工智能通过研究人类大脑的思考、学习和工作方式，然后将研究结果作为开发智能软件和系统的基础。

人工智能的开发最主要的目的就是为了替人类做复杂、有危险难度、重复枯燥等的工作，所以人工智能是以人类的结构来设计开发的，人工智能在得到较好的开发后国家也是全力给予支持。人工智能的开发主要也是为了帮助和便利人类的生活。所以人工智能的定义一直以来都是以“协助人类”而存在的。人工智能概念的火热促进了不少行业的兴起，比如域名，许多相关的.top域名已经被注册。

以后可能在很多传统行业，比如银行，会有人工智能帮你得到更好的收益。信用卡或其他的贷款会由人工智能来决定哪些人士可以安全地放贷，而且会还钱。然后再往下人工智能可以开始动了，就可以进入工业机器人、商业机器人，终进入家庭机器人。