【簡(jiǎn)介：】本篇文章給大家談?wù)劇秡at隊(duì)飛機(jī)》對(duì)應(yīng)的知識(shí)點(diǎn)，希望對(duì)各位有所幫助。本文目錄一覽：
1、將大腦上傳到云端有多難？

將大腦上傳到云端有多難？
假設(shè)我們已經(jīng)解決了傳感器和肌肉以及

本篇文章給大家談?wù)劇秡at隊(duì)飛機(jī)》對(duì)應(yīng)的知識(shí)點(diǎn)，希望對(duì)各位有所幫助。

本文目錄一覽：

• 1、將大腦上傳到云端有多難？

將大腦上傳到云端有多難？

假設(shè)我們已經(jīng)解決了傳感器和肌肉以及所有其他的問題，并且接受已經(jīng)上傳的大腦將不會(huì)真實(shí)的反應(yīng)我們的思想。那么問題來了：上傳我們的大腦。但是大腦到 底是什么呢？這個(gè)詞大多數(shù)時(shí)候指的是大腦皮層，可能還有一些大腦皮層下結(jié)構(gòu)，包括杏仁核，海馬體以及基底神經(jīng)節(jié)。但是中樞神經(jīng)系統(tǒng)實(shí)際上還包括其他一些不 那么重要的結(jié)構(gòu)，例如小腦，丘腦，下丘腦，延髓及腦干。

制造連接

如果我們考慮整個(gè)中樞神經(jīng)系統(tǒng)，那么我們要面對(duì)的就是平均約860億個(gè)神經(jīng)元，而它們中的每一個(gè)大約與10000個(gè)其他神經(jīng)元“相互交流”，這樣總的連接 數(shù)就接近8600億。這是一個(gè)天文數(shù)字。所以我們到底要將什么上傳到計(jì)算機(jī)里呢？每一個(gè)神經(jīng)元的種類，大小以及幾何結(jié)構(gòu)嗎？它當(dāng)下的膜電勢(shì)？軸突的大小和 位置以及髓鞘化狀態(tài)？樹突樹的完全幾何結(jié)構(gòu)？或者不同離子泵的位置？還是不同神經(jīng)遞質(zhì)的數(shù)量，位置，和狀態(tài)？這些中的任意一種都可能是至關(guān)重要的，并且只 有最先進(jìn)的計(jì)算機(jī)模型（并且也只能包括少數(shù)幾個(gè)神經(jīng)元）才能將它們考慮在內(nèi)。這一問題的關(guān)鍵是，我們不知道到底是什么決定了我們是誰，并且不同于其他任何 一個(gè)人（我甚至沒有在談?wù)搶W(xué)習(xí)的問題）。

退一步來說——也只有我們有合適的工具來一次性記錄上述提到的所有這些參數(shù)的情況下——我們能嘗試移植任何東西。然而，一個(gè)神經(jīng)元就可能就會(huì)需要大約成千 上萬條信息來描述。如果你僅僅考慮神經(jīng)元的數(shù)量，這個(gè)數(shù)就已經(jīng)達(dá)到zetta域（供參考，順序是 kilo，mega，giga，tera，peta，exa以及zetta每往右增大一步需要乘以1000（zetta也就是1021））。這個(gè)數(shù)量過于 巨大，以至于現(xiàn)今的計(jì)算機(jī)科學(xué)不能將其作為一個(gè)整體來操作。至今為止我們還僅僅在討論大腦的容量，我們同時(shí)也需要保證這個(gè)模型能夠?qū)崟r(shí)運(yùn)轉(zhuǎn)，因?yàn)闆]有人會(huì) 樂意接受一個(gè)轉(zhuǎn)得比人腦還慢的電子大腦。純粹從技術(shù)角度來看，我們遠(yuǎn)遠(yuǎn)（真的遠(yuǎn)遠(yuǎn)）還達(dá)不到將大腦電子化的水平。

更讓人難以接受的是，研究發(fā)現(xiàn)摩爾定律（Moore’s Law）——該定律指出計(jì)算機(jī)性能每18個(gè)月就會(huì)倍增——即將達(dá)到極限，也就是說我們可能永遠(yuǎn)也達(dá)不到所需的技術(shù)水平。人類腦計(jì)劃預(yù)見到了這一問題，并且 一開始就計(jì)劃好了只用簡(jiǎn)化的神經(jīng)元和突觸模型。如果你對(duì)更精確的模型感興趣，可以看一看智能蠕蟲計(jì)劃（OpenWorm），但這一計(jì)劃也只停留在模擬少數(shù) 幾個(gè)神經(jīng)元的水平。

機(jī)器中的鳥

將一個(gè)人的大腦移植到機(jī)器中，這一設(shè)想不論是在文學(xué)作品還是大銀幕上都很常見。由于最近人工智能領(lǐng)域的進(jìn)展，全世界對(duì)這一想法又燃起了興趣。然而，關(guān)于到底什么是人工智能，它的目標(biāo)是什么，人們可能并沒有搞清楚。

當(dāng)媒體報(bào)道人工智能的時(shí)候，他們一般指的是機(jī)器學(xué)習(xí)以及機(jī)器人學(xué)，這二者并不致力于理解大腦或認(rèn)知（當(dāng)然也有一些例外，比如Pierre-Yves Oudeyer的著作）。這一混淆可能是由于一些新設(shè)計(jì)的算法可以讓機(jī)器完美地完成一些以前被認(rèn)為只有人類才能完成的事情——比如辨識(shí)圖像，開車等等。

即使機(jī)器學(xué)習(xí)和機(jī)器人學(xué)進(jìn)展神速，我們也不能從中獲得生物大腦的運(yùn)轉(zhuǎn)規(guī)律（至少是不能直接獲得）。如果我們想知道這方面的知識(shí)，就得著眼于神經(jīng)科學(xué)更確切 的說是計(jì)算神經(jīng)科學(xué)。人工智能與神經(jīng)科學(xué)的關(guān)系就像飛行技術(shù)與鳥類學(xué)的關(guān)系。雖然飛翔的鳥類激發(fā)了早期的飛行嘗試，但這些早期嘗試早就被拋棄了，應(yīng)用航空 學(xué)專門技術(shù)能設(shè)計(jì)更為有效的飛行器（速度，有效載荷等）。要更好的了解鳥類，就必須求助于鳥類學(xué)和生物學(xué)。因此，因?yàn)槿斯ぶ悄艿倪M(jìn)步就談?wù)搶⒋竽X上傳到計(jì)算機(jī)，這和將羽毛粘到飛機(jī)上假裝那是一只人造鳥沒有什么區(qū)別。

沒有人知道是否有這種“將大腦上傳到計(jì)算機(jī)”的可能。但能夠確定的是，憑借現(xiàn)在的科學(xué)水平，如果我們?cè)诶斫獯竽X以及它是如何工作方面沒有突破性進(jìn)展的話，這一言論是，并且仍將是無稽之談。

注：所有文章均由中國(guó)數(shù)字科技館合作單位或個(gè)人授權(quán)發(fā)布，轉(zhuǎn)載請(qǐng)注明出處。

關(guān)于《zat隊(duì)飛機(jī)》的介紹到此就結(jié)束了。