電腦科學與腦科學的跨界經典

◎人工智慧先驅馮紐曼的遺世思想

◎深度學習必讀經典

電腦真的能像人腦一樣思考嗎?

近年來,深度學習與人工智慧的發展都在試圖讓電腦的行為模式愈來愈接近真實的大腦,讓許多人開始好奇電腦是否真的能和大腦一樣思考,或者是否可以用電腦的邏輯來理解大腦、甚至是整個身體神經系統的運作。實際上,早在1950年代,馮紐曼就已經開始嘗試以電腦概念理解人腦作用機制。

現代電腦架構先驅馮紐曼

現今大部分的電腦都由CPU、RAM、硬碟等部件組成,進行記憶與計算。而這種從洗衣機中的微控制器到最大的超級電腦中都找得到的架構,早在1945年就由數學家馮紐曼提出,一直沿用至今。馮紐曼可以說是二十世紀最重要的數學家,拓展了目前數學的發展方向,在電腦、物理與經濟方面也都有相當大的貢獻。

人工智慧的先驅之作

本書就是馮紐曼在1957年去世前為這次嘗試的講稿集結。這份講稿分兩部分,第一部分從電腦的基本原理和架構開始,以線路、處理速度與精確度等等層面一步步介紹計算與思考的本質。第二部分則接續第一部分的基礎,試圖以數學與電子傳訊的概念拆解大腦,了解我們的神經系統是如何溝通作出複雜的判斷與思考。

時至今日,馮紐曼對於神經與電腦的洞察啟發了對於電腦學習的新發現(連結主義、深度學習),也影響了現今對於人工智慧的思考方向。

【精彩書摘】

看來在尺寸上的相關比較得到的結果是自然元件比人造元件好108至109倍。這個倍率可以從長度立方的比較、體積的比較與能量耗散的比較得到。而相對於此,在速度方面則是人造元件比自然元件好約104到105倍。

以這些定量的評估為基礎,我們可以得到某些結論。當然我們必須記得這些論述還是非常表面的,因此在這個階段所得到的結論很有可能隨著論述的進一步發展而需要修正。儘管如此,還是值得在目前這個階段提出一些結論。這些結論如下:

首先,在相同大小(以體積或能量耗損定義)、相同時間內一群主動部位能執行的動作數量來說,自然元件領先人造元件約104倍。這個是上面得到的兩種因素的商數,即108至109除以104至105。

第二:這些相同的因素顯示了自然元件組成的自動機中偏好較多但較慢的部位,而人造的則相反,偏好較少但較快的部位。因此可以預期一個有效組織的大型自然自動機(如人類的神經系統)傾向盡可能同時蒐集最多的邏輯(或含資訊的)項目並同時處理它們,而一個有效組織的大型人造自動機(如大型現代計算機)則傾向依次處理:一次處理一件事,或至少一次不會處理太多件事。也就是說,大型有效率的自然自動機較有可能是高度平行的,而大型有效率的人造自動機則較不會這樣,且較可能為序列的(參考有關比較平行與序列配置的前文)。

第三:然而,應注意的是平行與序列運算並不能毫無限制地互相替代,雖然這一點需要成立才能讓第一個結論,也就是很簡單地將尺寸優勢的因子與速度劣勢的因子相除得到一個「效能值」,為正確的。更準確地說,並不是所有序列的運算可以平行化。某些運算只能接在另一運算後面且無法同時執行(因為它們必須用到後者的結果)。在這種情況下,從序列設計轉換到平行設計可能做不到,也可能做得到但須同時搭配改變程序的組織與邏輯做法。另一方面,要將平行程序序列化可能要在自動機上強加一些新的要求。更精準地說,這樣幾乎一定會產生新的記憶體需求,因為先執行的運算所產出的結果必須在後執行的運算執行時暫存起來。因此可以預期在自然自動機中的邏輯做法與架構會與人造自動機中的大相逕庭。另外,後者的記憶體需求最終很有可能有系統性地比前者高出許多。

(本文摘自《電腦與人腦》/貓頭鷹出版社)

【作者簡介】

馮紐曼 John von Neumann(1903年12月28日-1957年2月8日)

數學家、理論計算機科學與賽局理論的奠基者,曾參與曼哈頓計畫,與愛因斯坦等人同為普林斯頓高等研究院的創始教授。完成現今最廣泛使用的電腦架構(馮紐曼機),也參與第一部超級電腦EDVAC的組成。晚年對腦科學以及人腦的運作方式產生濃厚興趣。

【譯者簡介】

廖晨堯

加州大學生醫工程碩士,中英雙母語譯者。專門處理醫療、電子、科技等技術文件中翻英。

《電腦與人腦》/貓頭鷹出版社)
《電腦與人腦》/貓頭鷹出版社)
#電腦 #馮紐曼 #自動機 #自然元件 #腦科學