|
二、 天然脑与人工脑在功能上的差异自然是来源于其结构及其运行机制上的差别，而低级脑在功能上的局限性也来源于其结构和运行机制上的局限性。所以，有必要进一步比较各类脑的结构方式和运行机制。本文试从以下诸方面对此进行比较： （１）结构特性方面 人脑是一复杂的群体结构，规模宏大，结构精细。据已知材料，成人大脑仅皮层的中间神经元网络细胞已达百亿（１０↑10次幂）数量级，其每个神经元内部又是一个十分复杂的超级微型信息处理和存储机构，仅其突触一项就达１０↑3－１０次幂↑4次幂的数量级。大脑是从胚胎中的神经管分化发育而成的，经过了几乎是脑进化过程的很多中间阶段。其中有十分奇妙的神经细胞的种种奥秘现象，如功能分化、迁移、聚集、突触连接及信号变换等，并且如同一切生物细胞一样，每个神经细胞还携带着遗传基因作为“行动指南”。 人脑和动物脑的基本结构是相似的，只是发展层次和发展阶段上不同而已。这就提供了从动物脑到人脑运行机制和功能相似性方面基本“向上兼容”的物质基础。而大脑中的诸多奇妙现象正好说明了大脑及其神经细胞结构的精细和复杂程度。 人类的大脑有一个十分奇妙的结构特点：大脑分为左右两半侧，两侧结构基本相同而又互相分工，紧密联系，而且还有相互代偿的功能。这固然是由于高等动物形体左右对称所造成，但是到了人类脑，这种奇妙特点，还因为在充分发展的巨大皮层条件下它们具有不完全相同的工作机制的缘故。这种不同的工作机制在后天的建构过程中差异越来越大，从而形成左右两半脑的分工，并在长期的物种发展中留下了遗传的痕迹。 人工模拟神经网络采用超大规模分布连接，非线性并行工作方式工作，神经元之间的连接极为复杂，甚至在工艺上被称为“配线妖怪”。也由于人们对人脑结构及其运行机制认识的不足，以及模拟技术因素的限制，目前在结构上仍显得十分单纯和粗糙，甚至不得不借助于数字式现代计算机的介入，以弥补其结构上的不足，所以，其功能自然还无法与天然的脑神经网络相比拟。 如果功能比较是一切技术比较的出发点，那么，结构比较也就是一切技术比较的物质基础了。人类要从基于物理器件结构为基础的人工脑去寻觅天然的更佳模拟结构，仅限于物理器件是不行的。而在深入认识天然脑的基础上，大力研究分子和生物元件，也许是有效模拟的发展方向。 （２）信息机制和信号形式 在计算机中，信息的表达本质上采用离散的二进制数和二值逻辑形式；模拟神经网络则采用连续时间的模拟量信号。 在天然脑中，信号形式既有模拟量形式也有离散的脉冲形式。在轴突中传输时采用脉冲的电信号形式（等幅、等宽的编码信号），这有利于信号的保真；在突触的前后膜之间是化学递质的模拟量信号形式，其它部分为电的模拟量信号形式。模拟量信号既有模糊性特点，又有利于信息的整合和非逻辑加工。而计算机中的二进制信号只能进行确定的数字运算或逻辑运算。 天然脑中的信息处理是不可能都用现有数学形式进行充分的表达。事实上，客观世界存在的事物关系并非都是逻辑关系或严格的数量关系。还存在着非逻辑的不确定关系，其间的交叉点也许只能用辩证逻辑才能予以说明。而当前的计算机，使用的仅仅是二值逻辑，它可以用确定的逻辑表达式来表示；它所进行的各种运算都可以用现有数学予以描述，并分解成二值逻辑元件的动作予以实现。因此，它是确定的，其结果是命定的，因而很难在非逻辑的，不确定的过程中实现信息的加工。 寻找非逻辑过程的信息机制及信号的表达形式，以及与此相适应的数学形式，也许是提高人工脑模拟水平的必要条件。仅在逻辑的信号机制中打转转，总跳不出现有人工脑的命运。 （３）信息的加工机制 在现代计算机中是采用有限集中的串行信息加工机制工作的。所有的信息加工都被集中到少数几块称为“中央处理器”（ＣＰＵ）中进行。所有的运算都是数字式的，而且都受一个同步时钟节拍的控制，如此按时间序列逐拍进行。ＣＰＵ通过总线同各种存储单元、Ｉ／Ｏ接口等等器件进行顺序的“个别谈话”。这样，时间利用率很低，不可避免地会遇到“瓶颈”矛盾。而采用由很多ＣＰＵ构成的并行处理计算机中，也只是在一定发展水平上缓解矛盾而已，并未根本地解决这个机制性的矛盾，其表观的快速性是相对的，是由器件的物理速度带来的。 在天然脑中，信息的加工和存储采用并行分布的整体效应的方式。即，不是靠单一的或少量通道和神经元进行的，任一信息的输入和加工都是由相对集中的许许多多神经元群体协同完成的。 从人脑所具有的不同水平层次的概括抽象功能来看，作者猜想：大脑具有一种特殊的信息加工机制存在，这就是“代换”机制。即，来自感官的复杂信息在大脑皮层相应功能区激起兴奋后形成一定的稳态解（虽然还无法用数学表达），而表征此稳态解的信息又以一定和代码形式转存于大脑皮层的特定区域（主要是位于大脑皮层后部的第二级皮层区或认知区，即Ｂｒｏｄｍａｎｎ１８─１９区）。这种经代码代替原信息的转存方式叫作“代换”。由代换产生的代码只能表征原信息经加工（编码）产生的稳态解（代码），而不能充分表征原信息集合。而且这种代换过程同时又具建构模式，是不可逆过程，因此提供了信息整合、概括的基础，并且有抽象性质。这种代换过程在大脑信息加工的多级水平上都有表现。其主要部位是在大脑皮层的二级区和三级区，尤其是三级区，其结构上的非特化和功能上的单侧化更是有力的佐证。这种代换过程主要发生在大脑皮层的左半侧，因而形成左侧半球的语言优势和逻辑优势。而右侧皮层较少这种代换，较多整体性连接机制，并与非逻辑加工功能相对应。 在代换的框架中，存取代码或对代码信息进行加工，就代表着对相应建构信息的存取或加工。人类的语言或文字是较高抽象层次代换的产物，是这种内部代码的外部表现。人们使用语言进行思维，实际就是运用代码（或已被称作符号）进行信息加工而已。巴甫洛夫的第二信号系统学说,实在也就是信号代换机制的一种表述。 大脑皮层的神经元是既分群，又互相复杂地联系在一起的，并非只有一种模式。信息的加工和存储是在神经元各个群体内外联合完成的。因此，天然脑体现出在大系统的大输入信息量之下，具有分布的、模糊的、统计的、非线性的耗散结构特征，完全地逾越了串行的以形式逻辑为基础的狭小而机械的工作模式。 所以，机有机的工具特点和机制，人有人的能动主体的特点和机制，各有各的长处和短处。但是，天然脑的工作机制是大自然中生物进化的产物，人脑更是劳动和社会历史的产物，人工脑则是人类模拟人脑的部分逻辑功能而做成的智能机器而已。它们互相区分又互相联系在一起。 （４）存储方式 在计算机中，信息的加工和存储是分开的，由加工器到存储器的特定单元去提取信息进行运算，其结果又存回存储器的另一些确定单元，如此复演直至结束，其间采用如前所述的串行方式逐一进行。功能越多的计算机要存取的信息量也越大。于是，存取速度又成了另一个瓶颈问题。存储器中存放的信息既有程序指令又有数据，它们也是分开的。信息一经存入便保持不变，直到再一次存取时才改变，不存在遗忘问题。存储的信息越多，使用的存储单元也就越多，不用的存储单元则空闲着。存储单元的使用量与存储的信息量成线性关系。相邻单元之间互不相干，“老死不相往来”，没有任何干扰。 天然脑则采用信息加工与存储相结合的群体协同并行加工方式。信息的加工受原有存储信息的影响；加工后的信息又留记在加工器中成为记忆。如此反复，形成信息加工←→存储的建构模式。这种记忆在加工时可以复现，可以输出引起机体反应动作，构成经验。 大脑中的记忆不仅由一个脑区的群体神经元协同完成，而且还涉及很多脑区的参与，是群体地动态地共同完成的。已有的研究表明：大脑中的海马参与了记忆的巩固过程，并通过脑的边缘系统、丘脑和额叶构成的一个环形的神经回路。学习时，信息的编码得到该回路的重复排练，形成易化环路，并与其它许多神经元相联系，形成广泛的触发点连接。这就形成了记忆痕迹。一旦通过有关的触发点激发了这个回路，记忆也就唤醒了。在整个大脑皮层中存在着说不清的许许多多这种易化环路记忆痕迹，其触发点组合也不相同。由于大脑的信息加工采用建构模式，其信息的存储也具有建构特点，信息加工和存储互相影响着动态地存在。 大脑中的记忆过程不仅是动态的，而且具有竞争机制。来自感受器的无意义的感觉信息，当时不被注意，因而没有被提出来加工排练，便被迅速遗忘而消失；有用的被注意的信息便被加工排练，形成短时记忆环路；十分有用的信息被经常触发回忆，或在强烈剌激作用下被深刻记住在神经易化环路中。在这里，采用了感觉性记忆、短时记忆和长时记忆的多级形式，分别与物理记忆（电位的状态的变化）、化学记忆（产生突触的化学连接）、生物学记忆（突触变化的永久性结构连接）和易化环路排练过程中形成的广泛的触发点联系有关。 人工神经网络模拟了天然脑的这种存储机制，但是它的存储机构是通过人工突触（器件或软件方式）的权值调节来完成的，而且由于技术原因，这种权值调节的记忆往往采用数字方式实现。至于象大脑那样大规模神经网络多个脑区协同工作及动态的、竞争的、多级的和广泛联系的存储机制，都是目前人工神经网络还来不及做的事情。 由上分析可知，两类大脑的存储机制带有根本性的差别。从信息加工和存储的空间来看，计算机是分离的，天然脑则是统一的；从信息加工与存储的关系来看，在计算机中是独立进行的，互不相干的，而在天然脑中则是建构模式的，这也许提供了记忆的巩固和感觉信息的概括推广机制的物质基础；从存储信息的分布形式来看，在计算机中，存储的信息分解成各个独立的代码，存放在互不相干的各个存储单元中，而天然脑中存储的信息却是群体的，分布的，几乎是没有边际的，具有广泛联系性和模糊性特点；从存储的信息冗余度和存储空间空闲度（利用率）来看，在计算机中信息存储没有冗余度，因此信息量较少时存储空间就会有大量空闲，信息太多时会产生溢出，而在天然脑中，信息存储采用分布方式，因此有很大冗余度，信息丰富时又会自动概括相似的信息，遗忘次要的信息，改造片断的信息，所以信息不论多少，存储空间既无空闲也没有信息溢出；从信息存储的相互关系来看，在计算机中一切按指令存取，存储的信息不存在竞争机制，而在天然脑中则有强烈的存储竞争，因而有的信息不断巩固记忆，提高记忆级别，扩大记忆联系，有的则被逐渐归并或遗忘消失。由此可见，计算机的存储结构和工作机制是属于静态的、离散的、线性的、封闭的；天然脑则属于动态的、建构的、非线性的、耗散结构的。 当然，计算机的存储方式带来了存储的确定性和精确性，并使计算机硬件结构和软件设置变得容易的许多优点。所有这一切都充分发挥了计算机的工具属性。对于天然脑，尤其是人脑的记忆，既有动态、开放大系统的优点，也有模糊性、精确度低和会犯错误的缺点。不过，这也正好体现了具有能动特点的认识者的主体特性。 （５）软件机制 任何有智能特性的结构总是由硬件和软件两部分构成的。这在计算机问世以前人们是不太清楚的。计算机的出现不仅明确地区分了这两部分，而且在它们的结构和运行机制上也截然地分开了这两个部分，甚至形成了两大平行的产业，互相独立又互相配合。因此，在有智能特性的结构中，除了硬件以外，软件是不可缺少的组成部分。软件是一种信息的集合体，本质上它是一种内在的控制信息，体现智能结构受内在信息控制的机制。 存在于计算机及其外设中的一些代码是一组物理状态的组合，它们定义了一些最为基本的操作和数字、文字符号的表达。当计算机的ＣＰＵ或其外部设备收到这些代码信号时便执行相应的物理动作。例如：传送、运算、显示、打印和控制等等。然而，只有这些硬件和硬件动作的代码是无法使计算机有意义地工作的。通过代码的合理组合才能使计算机系统的硬件进行有效的工作。这些代码的合理组合便构成计算机的软件。没有体现在软件中的控制信息集合，计算机的硬件是无法工作的。 当然，不是代码的任意组合都能成为软件的。软件中的信息和代码组合，必须是有意义的、合理的、计算机能识别和能执行的信息代码序列。如同计算机中的其它信息一样，软件信息被独立地互不相干地存储于计算机的内部或外部介质存储器中。对计算机来说，它的软件是外来的，即由人工编制好后存入计算机的，而不是计算机自己形成的。 我们从计算机软件的作用中可以得到启发：在有智能特性的结构中应该有软件存在，而且是存在于存储器中的有别于其它存储信息的代码组合控制信息。 那么，天然脑的软件存在何处呢？它又是怎样存在的呢？ 很显然，既然天然脑的存储系统是分布的，群体协作的，并行的，并和信息加工系统分不开的，而软件信息又是存在于存储器之中，那么大脑的软件理所应当也存在于整个大脑甚至于整个中枢神经系统之中的。它的工作也必然是平行的，群体协同地进行的。可以说，大脑皮层哪里有活动，哪里就有无形的软件在起作用。说得直接些，就是存储于大脑中的原有信息系统在起作用。低层次的部分便是“经验”；高层次的部分便是“理智”（理性认识）；再高层次的便是意识控制和动力系统的能动作用了。由于大脑中信息加工具有“代换”的机能和建构的模式，致使经验性的直接和分散的信息概括起来，联系起来，在不同的代换级别上形成更为高一层次的代换信息（一种越来越抽象的编码信息），成为概念、语言、各种观念、方法和各种心理品质，并产生极为高级的信息加工状态──意识状态，进而形成具有巨大能动作用的动力系统。在这种具有建构模式的过程中，经过加工学习的知识会转化为软件。这是与计算机完全不同的能动的工作机制。 大脑的硬件并不是先天地“空白”的，像所谓的“白纸”一样。大脑在发育过程中由于遗传基因的控制会自动连接好数量极为巨大的突触连接，达到１０↑14－１０↑15数量级。在胎儿出生时，这种先天的连接已完成了大部分。后天的获得性连接是在先天连接的基础上进行的。当然，也不能截然地分开，先天的遗传连接也由于发育过程中的物质、能量及外界信息条件的不同影响而有所变异。大脑中先天的连接也是一种软件，似乎是计算机中的ＲＯＭ软件，但只是一些本能性的功能。当然，先天的遗传连接并非都属软件，更多地还是属于硬件结构，是后天软件得以建立的物质条件。先天的软件是属于本能性的，而后天的软件是属于观念性的，它们共同配合完成对机体的控制。 动物脑由于物种遗传的限制，无论是它的硬件还是它的本能性连接的软件，发展水平都是很低的，无法与人脑相比。而人脑由于人类参加了劳动，有了生产，形成了社会，所以无论是先天遗传的大脑硬件结构还是本能的软件和后天形成的软件都是十分复杂，功能十分高级的。 在模拟神经网络中，由于运行机制是模拟动物神经网络的，因此它的软件也是应该分布地存在于整个网络中的，并应具有建构过程的特点。可是，到目前为止，由于模拟神经网络尚处在低级阶段，模拟的只是一些特定的功能网络，或具有数据整合功能，或具有学习、自适应功能等等，并作为一种附属设备同其它设备联机工作，甚至连系统的启动、稳定性和可编程性问题都是正在研究解决的课题。因此，它的软件目前仅仅是硬件的连接形式所表达的信息内容，尤如ＲＯＭ软件所起的那种作用。然而，从信息加工的机制来看，模拟网络是很有前途的。（待续） |
|
|
