来源：追问
机器何时能够独立思考？本文我们将带一起探讨那些正在创造依靠人工智能运行的“人工大脑”的项目。
英国著名的密码破译专家和数学家艾伦·图灵（AlanTuring）在1950年曾说过：“我相信，到本世纪末，语言的使用方式以及大众受教育的观念将发生巨大的变化，人们将能够谈论机器思考，而不必担心被反驳。”图灵的思想无疑领先于他的时代，但或许他只是将实现的时间预测错了，提早了几十年。如今，研究团队和科技公司正积极追寻在计算机中创造“人工大脑”的梦想。
有些项目试图理解人类大脑的工作原理，并开发出能够复制大脑不同功能的软件模块――比如一个模块用于理解文字，另一个用于规划，还有一个用于短期记忆的处理。还有一些项目试图利用庞大的数据资源，结合统计方法和强大的计算能力来推导知识。还有一些团队则努力创建包含数百万神经元的详细软件模型，并以类似于我们大脑中数十亿神经元的连接方式将它们虚拟化连接起来。这些机器在“思考”吗？如果能问问图灵他的看法，那一定会非常有趣！
本文作者
英国 Science Focus 杂志
BBC旗下的前沿科普杂志
创刊于1992年，20多年来，Science Focus 坚持报道全球最新科技进展，一直是英国最受读者欢迎、发行量最高的科普杂志之一，被誉为“全球10大科普杂志”，与《国家地理》《科学美国人》《新科学家》等著名科普杂志齐名。Science Focus 在全球有多个国际版本，除了简体中文版《科学焦点》外，还在美国、澳大利亚、新加坡、马来西亚等国家和地区同步出版，全世界每月有超过180万人阅读。
人工大脑的诞生
人工智能（artificial intelligence，AI）的追求并非新鲜事。在我们发明第一台可编程计算机之前，人类就已经开始幻想有朝一日能够创造出一颗人工智能“大脑”。20世纪40年代，神经生理学家威廉·格雷·沃尔特（William Grey Walter）是最早提出这一想法的人之一。他率先开发了用于医学的脑部扫描技术，并且还制造了几只可以跟随光源移动并避开障碍物的机器龟。就像生物学家研究动物一样，沃尔特通过这些机器龟证明，即使是少量的“电子脑细胞”也能够表现出复杂的行为。
当20世纪40年代末第一批可编程计算机被设计出来时，工程师们很自然地将这些数字设备与人脑进行比较。一位名叫约翰·冯·诺依曼（John von Neumann）的数学家撰写了第一本关于如何构建可编程计算机的通俗读物。令人惊叹的是，他在报告中多次提及人脑。他将计算机的部分称为“器官”，并指出它们的功能类似于“人类神经系统中的神经元”。他甚至尝试用当时已知的各种神经元来解释计算机的各个部分。这种“冯·诺依曼结构”成为了此后几乎所有计算机的设计蓝图。
随着时间的推移，人们尝试编写各种软件，让计算机以更像大脑的方式运行。但我们很快意识到，生物大脑的复杂性超乎想象。我们的计算机被设计成自动计算机器，因此它们在解决数学问题时的速度远远快于我们。然而，人脑则是“并行的理解机器”，能够同时处理海量的模糊信息，并从中发现有用的新知识和事物之间的联系。而传统计算机在这方面却非常糟糕――当输入数据稍有偏差或不完整时，计算机的答案往往完全错误。
相比之下，我们的大脑可以在嘈杂的房间里与他人交谈，轻松分辨出对方的声音，即使周围有成百上千个声音混杂在一起，而计算机听到的只有噪声。我们的脑子还能协调上千块肌肉，让我们在跑过崎岖地面时还能哼着小曲，同时思考一个棘手的问题，而计算机甚至连其中一个任务都难以胜任。尽管科幻电影中的场景令人惊叹，也有许多关于未来的大胆预测，但我们至今仍无法制造出真正聪明的人工大脑。
▷JOHNNIAC 是一台早期计算机，其设计理念基于数学家约翰·冯·诺依曼提出的概念。
面临的挑战
如今，我们可以制造会跑的机器狗、会飞的机器鸟，甚至看起来和我们人类很像的“人形机器人”。但这些机器人离我们的智能目标还有一段距离，也许它们大多数的智力还不及果蝇。这也是为什么我们至今没有可靠的机器人助手来完全代替我们人类来擦窗户或扑灭火灾。
现实世界实在太复杂了！即使是过去十几年的技术奇迹――自动驾驶汽车――也并非真正的智能系统。它只是结合雷达感应周围环境、详细地图和GPS定位来确定自身位置以及需要避开的物体。如果地图有误，或者雷达传感器因恶劣天气受到干扰，这辆车唯一能做的事情就是停下来。而一只小蜜蜂的大脑，却能在自己的世界中轻松导航。它没有道路可遵循，也没有地图来确认自己的位置，却比我们的自动驾驶汽车表现得更加出色。
制造计算机大脑是一个巨大的挑战。问题在于存在太多的未知数。马克斯·普朗克生物控制论研究所的彼得·戴扬（Peter Dayan）教授解释道：“想象一下小说或电影，我们目前并不清楚像这些复杂实体的结构化信息是如何通过神经元活动来表达的。从完全不同的层面来看，我们也不理解皮层中自下而上和自上而下的相互作用本质，但每个层面都蕴藏着无比迷人的未解之谜！”
人工神经网络
虽然我们对人脑的运作仍难以完全理解，但在使用简化的脑模型方面，已经取得了许多突破。其中，人工神经网络，以及近年来备受关注的深度学习网络，正是人工智能领域的最新进展。
人工神经网络的早期模型由人工智能领域的先驱在20世纪40年代利用电子电路创建。很快，第一个程序被创建出来，以证明当两个神经元同时触发时，它们之间的连接会被增强。但这一理念一度被忽视，直到20世纪80年代，新的神经网络类型被发明，才重新获得关注。很快，科学家发现了全新的方法来连接这些人工神经元。通过输入大量数据并调整它们之间的连接，神经网络可以被训练来区分不同类型的输入。它们能够分类物体、聚类数据，甚至预测数字序列中的下一个数字。这些模拟大脑的计算机程序让计算机能够检测工厂生产线中的故障、识别手写文本，甚至预测股市价格。
2006年，这一领域迎来了突破。研究人员发现可以将神经网络组织成“深层结构”――即神经元排列成一层又一层，层与层之间互相连接。当这种结构与强大的计算能力和大量数据结合时，研究人员得以创造出能够学习更复杂任务的人工大脑。深度学习神经网络开始具备识别图像特征、理解语音，甚至学会玩简单的电脑游戏或棋类游戏（如围棋）的能力。这一方法的成功引发了深度学习领域的热潮，并涌现出一批声称使用该方法的新的人工智能公司。
当前方法的成功让彼得·戴扬教授对人工智能的未来充满乐观。他说，“我预计在20年左右的时间内，我们就能在大多数方面实现人类水平的人工智能，但不包括超级人工智能。但这种模型不会完全还原大脑。”
神经形态计算机
当前最先进的“人工大脑”技术采用极其复杂的软件和专门设计的定制计算机，模拟生物神经元的工作原理，这类技术被称为神经形态计算机。这一领域的先驱之一是英国曼彻斯特大学的史蒂夫·弗伯（Steve Furber）教授。他曾是BBC Micro计算机和ARM微处理器的主要设计者，如今ARM微处理器是如今全球数百万部手机的核心芯片。
十多年来，弗伯教授一直致力于开发一个被称为“SpiNNaker”的项目。SpiNNaker是一种特殊的计算机，由一百万个处理器组成，它们协同工作以模拟10亿个神经元――相当于人类大脑中神经元数量的1%。该项目获得了“欧盟人脑计划”的支持。据弗伯教授透露，这一项目进展顺利：“截至2016年4月1日，我们已经拥有一台配备50万个ARM核心的运行机器。到2016年底，核心数量增加到约80万个。我们继续扩展，到2018年底达到了目标――100万个核心。拥有50万个核心时，我们可以模拟多达1.25亿个神经元；80万个核心则可模拟2亿个神经元。”随着一些软件升级，这些数字逐步接近模拟十亿神经元的目标。
SpiNNaker及其他类似的计算机架构被开发为研究平台，帮助计算机工程师和神经科学家深入了解人脑的工作原理。就像飞机工程师在风洞中测试飞机模型一样，这些科学家在计算机中创建缩小且简化的“脑模型”，以更好地研究人类大脑的功能。
▷史蒂夫· 弗伯教授领导的SpiNNaker项目专注于模拟人类大脑。
弗伯表示，“SpiNNaker计算平台的主要优势在于，它能够探索神经网络的行为，而不会受到计算能力的限制或遭遇超长的运行时间。我认为，这个平台可以用于许多领域，例如基于生物学的模型，如整个小鼠大脑模型、皮层表面模型，以及用于能效优化的机器学习应用的脉冲神经网络。”脉冲神经网络（spiking neural network，SNN）是一种模仿生物神经系统工作原理的人工神经网络，它通过精确的脉冲序列来表示和处理信息，被认为是第三代神经网络模型。与传统的神经网络相比，SNN在时间维度上具有更高的计算精度和效率。
2024年4月17日，英特尔公司宣布研制出世界上最大的神经形态计算机Hala Point，包含11.52亿个人造神经元，分布在1152个Loihi 2芯片上，每秒能进行380万亿次突触操作。英特尔公司希望，这种旨在模拟人脑处理和存储数据方式的计算机能提高人工智能模型的效率和能力。
▷Hala Point 是世界上最大的神经形态系统，其神经元容量大致相当于猫头鹰的大脑。
那么，我们如何制造一个人工大脑呢？很明显，我们需要更快的计算机，以及像SpiNNaker这样的新型计算架构。同时，我们也需要对真实大脑的工作机制有更深入的了解――例如，为什么神经元会以特定的网络连接，以及这些连接如何使我们的思维得以流转。
或许需要几十年的神经科学研究，才能揭示隐藏在我们大脑里的一些秘密。对这一知识需求的重视得到了“脑计划”的认可。美国前总统奥巴马于2013年启动的大规模研究项目“脑计划”致力于脑科学、计算机建模以及与大脑相关的医学研究。
大道至简
或许有更快的方法来制造人工大脑，比如使用像深度学习那样高度简化的神经元模型，或者通过让多台超级计算机同时进行学习。我们在处理大型神经网络方面正在不断进步，并发现不同类型的神经网络擅长不同的学习任务。
一些研究者尝试通过引入“进化”元素，让人工大脑自己设计自己。毕竟，我们的大脑之所以如此强大，是因为经过了数百万年的进化，那些不适应、不聪明的脑结构都被淘汰了。通过使用一种名为遗传算法的特殊程序，计算机科学家能够以类似的方式进化神经网络。这种方法已经取得了一些令人瞩目的成果，例如虚拟世界中的“虚拟生物”通过进化学会游泳或奔跑，而机器人的大脑也通过进化学会了在现实世界中导航。但是，加入进化元素后，计算量会成千上万倍地增加，因此这种方法可能还需要数十年的时间，才能让计算机有能力完全应对。
另一种方法是彻底抛弃“神经元”的概念，尝试直接创建能够模拟大脑功能的软件。例如，存储芯片在存储记忆方面比大脑更高效，那为什么不直接使用它们呢？几十年来，这是许多计算机科学家和工程师青睐的方法。目前，大多数实用的人工智能（如苹果的Siri）都通过这种方式将多种方法结合在一起，达到更优的效果。
看清本质
制造人工大脑的正确方法是什么？答案或许取决于你希望它实现什么功能。但目前来看，最大的挑战依然未被解决。
人工智能领域的先驱欧文·霍兰德（Owen Holland）教授表示：“这些挑战更多是概念上的，而非技术上的问题。我们还不清楚究竟该做什么，因此对‘如何去做’的关注可能方向有误。考虑到我们目前的知识水平，从神经元开始尝试理解和模拟大脑的做法，或许是条死胡同。不过，如果有人能证明我是错的，我会感到非常高兴。”如果在未来几十年内，我们的人工大脑真的达到了人类大脑的复杂程度，那会怎么样呢？它们是否会像艾伦·图灵在1950年预测的那样，开始拥有独立思考的能力？
“机器意识的出现是必然的，而且是几十年内，而非几百年，”霍兰德说道，“但与其思考与数百万台有意识机器人共享地球的社会后果，我们应该思考另一件事：当我们证明意识这个看似神秘而奇迹般的现象，其实只是某种特定物理组件组合的自然结果时，这将带来怎样的影响？当这个谜团被解开时，我们的意识还会显得如此重要和珍贵吗？
阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”
https://wx.zsxq/group/454854145828
未来知识库是“欧米伽未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。欢迎扫描二维码或访问https://wx.zsxq/group/454854145828 进入。
截止到3月31日 ”未来知识库”精选的百部前沿科技趋势报告
（加入未来知识库，全部资料免费阅读和下载）
牛津未来研究院 《将人工智能安全视为全球公共产品的影响、挑战与研究重点》
麦肯锡：超级智能机构：赋能人们释放人工智能的全部潜力
AAAI 2025 关于人工智能研究未来研究报告
斯坦福：2025 斯坦福新兴技术评论：十项关键技术及其政策影响分析报告（191 页）
壳牌：2025 能源安全远景报告：能源与人工智能（57 页）
盖洛普 & 牛津幸福研究中心：2025 年世界幸福报告（260 页）
Schwab ：2025 未来共生：以集体社会创新破解重大社会挑战研究报告（36 页）
IMD：2024 年全球数字竞争力排名报告：跨越数字鸿沟人才培养与数字法治是关键（214 页）
DS 系列专题：DeepSeek 技术溯源及前沿探索，50 页 ppt
联合国人居署：2024 全球城市负责任人工智能评估报告：利用 AI 构建以人为本的智慧城市（86 页）
TechUK：2025 全球复杂多变背景下的英国科技产业：战略韧性与增长路径研究报告（52 页）
NAVEX Global：2024 年十大风险与合规趋势报告（42 页）
《具身物理交互在机器人 - 机器人及机器人 - 人协作中的应用》122 页
2025 - 2035 年人形机器人发展趋势报告 53 页
Evaluate Pharma：2024 年全球生物制药行业展望报告：增长驱动力分析（29 页）
【AAAI2025 教程】基础模型与具身智能体的交汇，350 页 ppt
Tracxn：2025 全球飞行汽车行业市场研究报告（45 页）
谷歌：2024 人工智能短跑选手（AI Sprinters）：捕捉新兴市场 AI 经济机遇报告（39 页）
【斯坦福博士论文】构建类人化具身智能体：从人类行为中学习
《基于传感器的机器学习车辆分类》最新 170 页
美国安全与新兴技术中心：2025 CSET 对美国人工智能行动计划的建议（18 页）
罗兰贝格：2024 人形机器人的崛起：从科幻到现实：如何参与潜在变革研究报告（11 页）
兰德公司：2025 从研究到现实：NHS 的研究和创新是实现十年计划的关键报告（209 页）
康桥汇世（Cambridge Associates）：2025 年全球经济展望报告（44 页）
国际能源署：2025 迈向核能新时代
麦肯锡：人工智能现状，组织如何重塑自身以获取价值
威立（Wiley）：2025 全球科研人员人工智能研究报告（38 页）
牛津经济研究院：2025 TikTok 对美国就业的量化影响研究报告：470 万岗位（14 页）
国际能源署（IEA）：能效 2024 研究报告（127 页）
Workday ：2025 发挥人类潜能：人工智能（AI）技能革命研究报告（20 页）
CertiK：Hack3D：2024 年 Web3.0 安全报告（28 页）
世界经济论坛：工业制造中的前沿技术：人工智能代理的崛起》报告
迈向推理时代：大型语言模型的长链推理研究综述
波士顿咨询：2025 亚太地区生成式 AI 的崛起研究报告：从技术追赶者到全球领导者的跨越（15 页）
安联（Allianz）：2025 新势力崛起：全球芯片战争与半导体产业格局重构研究报告（33 页）
IMT：2025 具身智能（Embodied AI）概念、核心要素及未来进展：趋势与挑战研究报告（25 页）
IEEE：2025 具身智能（Embodied AI）综述：从模拟器到研究任务的调查分析报告（15 页）
CCAV：2025 当 AI 接管方向盘：自动驾驶场景下的人机交互认知重构、变革及对策研究报告（124 页）
《强化学习自我博弈方法在兵棋推演分析与开发中的应用》最新 132 页
《面向科学发现的智能体人工智能：进展、挑战与未来方向综述》
全国机器人标准化技术委员会：人形机器人标准化白皮书（2024 版）（96 页）
美国国家科学委员会（NSB）：2024 年研究与发展 - 美国趋势及国际比较（51 页）
艾昆纬（IQVIA）：2025 骨科手术机器人技术的崛起白皮书：创新及未来方向（17 页）
NPL&Beauhurst：2025 英国量子产业洞察报告：私人和公共投资的作用（25 页）
IEA PVPS：2024 光伏系统经济与技术关键绩效指标（KPI）使用最佳实践指南（65 页）
AGI 智能时代：2025 让 DeepSeek 更有趣更有深度的思考研究分析报告（24 页）
2025 军事领域人工智能应用场景、国内外军事人工智能发展现状及未来趋势分析报告（37 页）
华为：2025 鸿蒙生态应用开发白皮书（133 页
《超级智能战略研究报告》
中美技术差距分析报告 2025
欧洲量子产业联盟（QuIC）：2024 年全球量子技术专利态势分析白皮书（34 页）
美国能源部：2021 超级高铁技术（Hyperloop）对电网和交通能源的影响研究报告（60 页）
罗马大学：2025 超级高铁（Hyperloop）：第五种新型交通方式 - 技术研发进展、优势及局限性研究报告（72 页）
兰德公司：2025 灾难性网络风险保险研究报告：市场趋势与政策选择（93 页）
GTI：2024 先进感知技术白皮书（36 页）
AAAI：2025 人工智能研究的未来报告：17 大关键议题（88 页）
安联 Allianz2025 新势力崛起全球芯片战争与半导体产业格局重构研究报告
威达信：2025 全球洪水风险研究报告：现状、趋势及应对措施（22 页）
兰德公司：迈向人工智能治理研究报告：2024EqualAI 峰会洞察及建议（19 页）
哈佛商业评论：2025 人工智能时代下的现代软件开发实践报告（12 页）
德安华：全球航空航天、国防及政府服务研究报告：2024 年回顾及 2025 年展望（27 页）
奥雅纳：2024 塑造超级高铁（Hyperloop）的未来：监管如何推动发展与创新研究报告（28 页）
HSOAC：2025 美国新兴技术与风险评估报告：太空领域和关键基础设施（24 页）
Dealroom：2025 欧洲经济与科技创新发展态势、挑战及策略研究报告（76 页）
《无人机辅助的天空地一体化网络：学习算法技术综述》
谷歌云（Google Cloud）：2025 年 AI 商业趋势白皮书（49 页）
《新兴技术与风险分析：太空领域与关键基础设施》最新报告
150 页！《DeepSeek 大模型生态报告》
军事人工智能行业研究报告：技术奇点驱动应用加速智能化重塑现代战争形态 - 250309（40 页）
真格基金：2024 美国独角兽观察报告（56 页）
璞跃（Plug and Play）：2025 未来商业研究报告：六大趋势分析（67 页）
国际电工委员会（IEC）：2025 智能水电技术与市场展望报告（90 页）
RWS：2025 智驭 AI 冲击波：人机协作的未来研究报告（39 页）
国际电工委员会（IEC）：2025 智能水电技术与市场展望报告（90 页）
RWS：2025 智驭 AI 冲击波：人机协作的未来研究报告（39 页）
未来今日研究所 2025 年科技趋势报告第 18 版 1000 页
模拟真实世界：多模态生成模型的统一综述
中国信息协会低空经济分会：低空经济发展报告（2024 - 2025）（117 页）
浙江大学：2025 语言解码双生花：人类经验与 AI 算法的镜像之旅（42 页）
人形机器人行业：由 “外” 到 “内” 智能革命 - 250306（51 页）
大成：2025 年全球人工智能趋势报告：关键法律问题（28 页）
北京大学：2025 年 DeepSeek 原理和落地应用报告（57 页）
欧盟委员会 人工智能与未来工作研究报告
加州大学伯克利分校：面向科学发现的多模态基础模型：在化学、材料和生物学中的应用
电子行业：从柔性传感到人形机器人触觉革命 - 250226（35 页）
RT 轨道交通：2024 年中国城市轨道交通市场数据报告（188 页）
FastMoss：2024 年度 TikTok 生态发展白皮书（122 页）
Check Point：2025 年网络安全报告 - 主要威胁、新兴趋势和 CISO 建议（57 页）
【AAAI2025 教程】评估大型语言模型：挑战与方法，199 页 ppt
《21 世纪美国的主导地位：核聚变》最新报告
沃尔特基金会（Volta Foundation）：2024 年全球电池行业年度报告（518 页）
斯坦福：2025 斯坦福新兴技术评论：十项关键技术及其政策影响分析报告（191 页）
国际科学理事会：2025 为人工智能做好国家研究生态系统的准备 - 2025 年战略与进展报告（英文版）（118 页）
光子盒：2025 全球量子计算产业发展展望报告（184 页）
奥纬论坛：2025 塑造未来的城市研究报告：全球 1500 个城市的商业吸引力指数排名（124 页）
Future Matters：2024 新兴技术与经济韧性：日本未来发展路径前瞻报告（17 页）
《人类与人工智能协作的科学与艺术》284 页博士论文
《论多智能体决策的复杂性：从博弈学习到部分监控》115 页
《2025 年技术展望》56 页 slides
大语言模型在多智能体自动驾驶系统中的应用：近期进展综述
【牛津大学博士论文】不确定性量化与因果考量在非策略决策制定中的应用
皮尤研究中心：2024 美国民众对气候变化及应对政策的态度调研报告：气候政策对美国经济影响的多元观点审视（28 页）
空间计算行业深度：发展趋势、关键技术、行业应用及相关公司深度梳理 - 250224（33 页）
Gartner：2025 网络安全中的 AI：明确战略方向研究报告（16 页）
北京大学：2025 年 DeepSeek 系列报告 - 提示词工程和落地场景（86 页）
北京大学：2025 年 DeepSeek 系列报告 - DeepSeek 与 AIGC 应用（99 页）
CIC 工信安全：2024 全球人工智能立法的主要模式、各国实践及发展趋势研究报告（42 页）
中科闻歌：2025 年人工智能技术发展与应用探索报告（61 页）
AGI 智能时代：2025 年 Grok - 3 大模型：技术突破与未来展望报告（28 页）
上下滑动查看更多
发布评论