我们的大脑不具备处理人工智能的能力

控制论教父诺伯特·维纳曾说过：“每个时代的思想都反映在它的技术中。”在过去的一个世纪里，我们的思想已经反映在我们的计算机中，包括人工智能行业的计算机。谷歌的 Demis Hassabis 将大脑称为“图灵机的生物近似”。埃隆·马斯克 (Elon Musk) 更直言不讳地宣称，“人们应该将大脑视为一台生物计算机。” （马斯克的大脑经常让我担心。）但人类比与计算机的直接比较所给予我们的信任要复杂得多，而且远远超出了大多数人工智能行业的认识。随着他们的产品越来越深入地融入文化，这有助于解释为什么他们会造成如此混乱。事实证明，人工智能就像是认知版的热狗：它在当下对我们有吸引力，但却破坏了我们几千年来进化的认知系统的健康和可持续性。为了理解这个问题，我们需要一点神经科学和整个人类进化史。大脑就是计算机的想法可以追溯到阿兰·图灵。它将思想假定为一个三步过程，在功能上是一种算法：我们的思想从世界获取信息（输入），以某种方式操纵它（计算），然后制定行为（输出）。感知导致认知，认知进而导致行动。用稍微更详细的术语来说，它看起来像这样的图表： 在很多方面，这个模型都是富有成效的。将我们的大脑想象成计算机，技术专家将实际计算从简单的加法机推向人工神经网络和生成人工智能，寻求我们自己思维的更详细的镜像。但这面镜子的图像虽然不完全错误，但却是扭曲和有限的。计算机和计算机科学发展领域的重要人物约翰·冯·诺依曼 (John von Neumann) 怀疑计算模型能否捕捉到“人类神经系统的异常复杂性”。也就是说，我们的神经系统的进化是为了帮助我们驾驭我们称之为“世界”的大型生态系统。我们对世界采取行动以对其进行控制（尽我们所能）。计算方法着眼于我们大脑的最终产品，并试图“逆向工程”它们的运作方式。但我们不应该向后推论，而是可以检查进化历史的长弧，从头开始构建我们的模型。这是蒙特利尔大学神经科学家保罗·西塞克（Paul Cisek）所青睐的方法，他耐心地开发了一个跨越数百万年的大脑和神经系统发育的生物模型。西塞克认为，我们的大脑与其说是信息处理器，不如说是反馈控制系统。我们的身体不仅接收输入，还会根据可用的选项采取行动来调整输入内容。正如西塞克本人很快指出的那样，这并不是一个新想法——哲学家约翰·杜威 (John Dewey) 在 20 世纪之交的著作中将思维描述为一个回路，“比反射更准确地称为有机体，因为运动反应决定刺激，就像感觉刺激决定运动一样。”这两种方法到底有什么区别？这是棒球中的一个经典例子：在外场接住飞球。根据计算模型，解决这个问题必须涉及一些复杂的、潜意识的心理演算，其中外野手估计球的速度，计算重力的影响，并进行无数的其他数学程序来“计算”球的去向。相比之下，反馈控制方法提出了一种简单的启发式方法——本质上是“将球保持在视野内的同一位置，然后移动以维持这种情况。”我们采取行动来调整我们收到的刺激。这不仅更符合中场球员的体验，还避免了将心理过程与身体运动分开，并避免调用计算模型所需的复杂计算。人类比这更有活力。 。这种方法还巧妙地映射了大脑随着时间的推移而进化的生物结构。从古代鱼类到两栖动物，从哺乳动物到灵长类动物，最后到现代人类，我们观察到新的行为是为了应对新的环境可能性而出现的。例如，当恐龙灭绝时，这意味着一些夜行生物可以在白天在世界上活动，而被吃掉的风险较小，从而产生了各种新的能力。西塞克观察到，我们神经系统的历史就是“控制力不断向世界延伸”的历史。 （他即将出版的书将更详细地探讨这一切，是的，我希望这篇文章给他施加微妙的压力来完成它。）这导致了另一种与上面的图表截然不同的图表。我们都可以绘制一张随时间推移出现的行为和能力的地图