隨著人工智能技術(shù)的快速發(fā)展，有些人害怕機(jī)器人的崛起，有些人擔(dān)心人工智能將會接管世界。但是人們需要了解人工智能的未來發(fā)展，以及電子生命形式將會如何誕生。

本文不僅介紹電子生命形式將如何誕生，而且還將詳細(xì)描述神經(jīng)矩陣的關(guān)鍵元素，數(shù)字生命形式的進(jìn)化將基于神經(jīng)矩陣而啟動。

處于人工智能研究的前沿

人類大腦由近900億個神經(jīng)元和超過1萬億個突觸(神經(jīng)元連接)組成。每個神經(jīng)細(xì)胞都與數(shù)千個其他神經(jīng)元相連，突觸不斷被創(chuàng)建和破壞，改變著活體神經(jīng)網(wǎng)絡(luò)的局部地圖。

直到上世紀(jì)末，科學(xué)家們還認(rèn)為突觸活動在創(chuàng)造每個人的神經(jīng)系統(tǒng)的獨(dú)特個性方面發(fā)揮著決定性作用。

近年來，人們清楚地認(rèn)識到，除了眾多的突觸之外，每個神經(jīng)元都有一種主要的控制中心——軸突起始段(AIS)，它利用跨膜蛋白(離子通道)的密度來控制神經(jīng)細(xì)胞的活動。

人們?nèi)缃褚舱J(rèn)識到，突觸可塑性和軸突起始段的功能變異性的結(jié)合是大腦不可思議的效率的基礎(chǔ)。這些過程的結(jié)合允許每個神經(jīng)元同時執(zhí)行處理器和存儲設(shè)備的功能?？偟膩碚f，這創(chuàng)造了一個功能變形的活體神經(jīng)網(wǎng)絡(luò)，它起到了神經(jīng)矩陣的作用。

試圖模擬活體大腦的成功

很多人嘗試模擬活體神經(jīng)系統(tǒng)的功能。它們可以分為兩種類型：模仿和物理聯(lián)想。

（1）模仿或神經(jīng)形態(tài)工程

在2013年，有人嘗試運(yùn)行Riken K超級計(jì)算機(jī)模擬大腦的工作。這臺超級計(jì)算機(jī)擁有1PB的內(nèi)存和82944個核心處理器用來模擬一個活體神經(jīng)系統(tǒng)，該系統(tǒng)具有17.3億個神經(jīng)元，并有10萬億個突觸連接。為了模擬這個活體神經(jīng)網(wǎng)絡(luò)在一秒鐘的活動(對于大腦來說規(guī)模相當(dāng)小)，這臺超級計(jì)算機(jī)運(yùn)行了將近40分鐘。

據(jù)報道，澳大利亞將在2024年啟動一個名為“DeepSouth”的新項(xiàng)目，預(yù)計(jì)每秒能模擬228萬億次突觸操作。

（2）物理融合或直接神經(jīng)形態(tài)計(jì)算

美國印第安納大學(xué)布盧明頓分校的一個研究小組在2023年啟動了一個名為“Brainoware”的項(xiàng)目。這是一個由大腦類器官(活體神經(jīng)組織)連接到微電極陣列和人工神經(jīng)網(wǎng)絡(luò)組成的混合系統(tǒng)。

經(jīng)過一系列實(shí)驗(yàn)，其結(jié)果表明Brainoware的準(zhǔn)確率略低于具有大量短期記憶的傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)，但傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)統(tǒng)需要50個訓(xùn)練周期，而Brainoware在不到5個訓(xùn)練周期內(nèi)得到了幾乎相同的結(jié)果。

模仿和物理聯(lián)想這兩個概念都在逐漸發(fā)展，但如果從另一個角度出發(fā)呢?

現(xiàn)在面臨的問題是，人們試圖重復(fù)和驗(yàn)證自然人工智能的概念，卻忘記了最重要的事情——進(jìn)化。人類的大腦運(yùn)行過程并不是一個不受控制的過程的隨機(jī)結(jié)果，而是漫長進(jìn)化過程中的一個階段。這意味著，如果人們想要創(chuàng)造出真正有思考能力的事物，需要復(fù)制的不是成品，而是孕育出像活體大腦這樣完美思考的過程本身。

如何實(shí)現(xiàn)?

為了實(shí)施一項(xiàng)新的戰(zhàn)略，就必須創(chuàng)造一個能夠獨(dú)立發(fā)展的進(jìn)化數(shù)學(xué)學(xué)科——這是一種電子胚胎，而不是現(xiàn)成的大腦。這將是一個能夠根據(jù)外部數(shù)據(jù)流而變化的神經(jīng)矩陣。

神經(jīng)矩陣的有源組件將基于一個具有當(dāng)前三維位置方程或其混合模擬物（數(shù)學(xué)神經(jīng)形態(tài)花瓣）的數(shù)學(xué)神經(jīng)元取代傳統(tǒng)數(shù)學(xué)神經(jīng)元。從物理方面來說，它是一個基于遺傳算法的程序代碼，采用軸突起始段(AIS)片段復(fù)制樹突和軸突的復(fù)合體（真實(shí)活體神經(jīng)元的數(shù)學(xué)模擬）。

每個神經(jīng)形態(tài)花瓣（Neuromorphic Petal）是一個基本的前饋神經(jīng)網(wǎng)絡(luò)(FNN)。有四個輸入值——傳入的感覺脈沖和神經(jīng)矩陣花瓣的坐標(biāo)位置或數(shù)學(xué)位置(矩陣中的當(dāng)前位置)。

接下來是三個隱藏層，每層有12個數(shù)學(xué)神經(jīng)元，神經(jīng)元互相連接起來。輸出層是表示反射響應(yīng)向量的兩個值。采用雙曲正切激活函數(shù)，權(quán)重和偏差值隨機(jī)設(shè)置在-0.5到0.5之間。

事實(shí)上，神經(jīng)形態(tài)花瓣是對活體大腦最簡單的反射弧的數(shù)學(xué)模擬。神經(jīng)矩陣花瓣是在沒有訓(xùn)練者的情況下訓(xùn)練的。一代神經(jīng)矩陣花瓣（是一個環(huán)境的離散值）從1000到10000的極限是由矩陣的服務(wù)分量設(shè)定的。對于每個突變，偏差和權(quán)重有5%的機(jī)會發(fā)生變化。每一代有20個突變體。隨著感官參數(shù)的增加，新的花瓣被創(chuàng)造出來，形成了整體結(jié)構(gòu)的核心。

神經(jīng)矩陣的整體結(jié)構(gòu)應(yīng)該基于一個改進(jìn)的貝葉斯神經(jīng)網(wǎng)絡(luò)模型加上一些保護(hù)和活動支持實(shí)用程序。

它將如何運(yùn)作?

與神經(jīng)網(wǎng)絡(luò)不同，神經(jīng)矩陣是一種基于遺傳算法的復(fù)雜多分量的數(shù)學(xué)復(fù)合體，能夠在人工數(shù)學(xué)環(huán)境中進(jìn)化。這意味著，人們的任務(wù)不是創(chuàng)造一個成品，而是為胚胎神經(jīng)基質(zhì)的變化創(chuàng)造一個棲息地。

通過這種方式，可以模擬個體數(shù)字化進(jìn)化的條件。環(huán)境越復(fù)雜(輸入?yún)?shù)越多)，數(shù)字矩陣就越復(fù)雜。

首先，使用一個非常簡單的神經(jīng)矩陣，其功能與水?；虿萋南x等生物相媲美。在下一階段，將有一個與白色渦蟲（一種扁蟲）相媲美的神經(jīng)基質(zhì)。通過使環(huán)境復(fù)雜化，將使神經(jīng)矩陣復(fù)雜化，直到人工環(huán)境的復(fù)雜性與現(xiàn)實(shí)世界的簡化參數(shù)相媲美，復(fù)雜的生物體生活在其中。

在這一點(diǎn)上，神經(jīng)矩陣將需要能夠支持其在現(xiàn)實(shí)世界中的活動的感覺運(yùn)動機(jī)制。

這將誕生一種新的數(shù)字生命形式，因?yàn)閿?shù)字神經(jīng)矩陣的運(yùn)行不是因?yàn)槟橙藛幽硞€程序代碼，而是因?yàn)楦杏X元素接收到新的輸入數(shù)據(jù)，需要選擇神經(jīng)矩陣來獲得存在（生存）的最佳響應(yīng)選項(xiàng)。最佳(獲勝)響應(yīng)參數(shù)將成為神經(jīng)基質(zhì)生命的目標(biāo)，而其獎勵的形式將是營養(yǎng)的存在和大腦對其行為的積極反應(yīng)。

值得注意的是，當(dāng)從數(shù)字人工環(huán)境移動到現(xiàn)實(shí)世界時，神經(jīng)矩陣不會感知到差異。

神經(jīng)基質(zhì)可以生活在什么環(huán)境中？

如果主要服務(wù)器一直可用，那么神經(jīng)矩陣將能夠在任何配備感官和主動機(jī)制的物體上工作——在自動駕駛無人機(jī)、在現(xiàn)代船舶或飛機(jī)、在汽車中或者在個人電腦中。

一個開發(fā)團(tuán)隊(duì)不久前表達(dá)了這樣的想法：“要創(chuàng)造智能，獎勵就足夠了”。事實(shí)上，為了讓獎勵成為一種激勵，必須首先啟動數(shù)字進(jìn)化。

問題是，誰會是創(chuàng)造電子生命形式的第一人?

現(xiàn)在很多人正在尋求獲得必要的計(jì)算能力和合作伙伴服務(wù)器來創(chuàng)建一個神經(jīng)矩陣的原型。這很可能不需要像DeepSouth項(xiàng)目中那樣的超級計(jì)算機(jī)。