07仿生数码新皮质
我们现在已经能模拟包含160万个视觉神经元的人脑视觉新皮质，模拟完整人类大脑的目标预计2023年就可实现。“矢量量化”方法既能高效利用计算机资源，又能保留重要的语言识别特征。隐马尔可夫模型让语音识别系统能同时完成识别和学习两项任务。
不要相信任何自圆其说的话，除非你知道他的思考模式。
我想要的不过是一个平凡而并非超凡的大脑，它只要跟美国电话电报局总经理的一样就行。
只有计算机能像人类那样思考，它才被认为是智能的。
艾伦·图灵
我相信在世纪末，语言的使用和教育水平会有极大的改变，人们在谈到“机器思考”时，会觉得理所当然。(www.xing528.com)
艾伦·图灵
母老鼠天生就会打洞，即使它一生都不曾见过其他母老鼠如何打洞。[148]同样，就算其他同类没有示范完成这些复杂任务的具体步骤，蜘蛛还是天生就会织网，毛虫还是天生就会织茧，海狸还是天生就会建造水坝。当然，我们并不是说这些行为不是习得行为，只不过是说一代的学习是无法掌握这些行为的，必须通过数千代学习的积累。毋庸置疑，动物行为的进化的确是一个学习的过程，但是这种进化是整个物种群体的学习，而不是个体的学习。进化的成果通过DNA遗传给下一代。
新皮质进化的意义就在于，它大大缩短了学习过程（层级化知识）——从数千年缩短到几个月，甚至更短。就算某种哺乳动物遇到无法解决的难题（问题的解决需要一系列步骤），但只要其中的一名成员偶然找到解决方法，该方法就会在种群中迅速扩散传播。
当我们从生物智能转向非生物智能时，我们的学习速度提高了几百万倍。一旦数码新皮质习得一种技能，它就会在短短几分钟甚至几秒之内将这种技能传授给其他皮质。举个例子，在我的第一家公司——我于1973年创立的库茨韦尔计算机产品公司（即现在的Nuance公司）花了很长时间研究一种叫作全字体（可以是任何字体）光学字符识别（OCR）的技术，以期识别扫描文件中的印刷字符。这项技术连续开发了40年，新近产物是Nuance公司的Omnipage。如果你希望你的电脑能识别印刷字符，你不必像我们那样花费数十年的时间训练电脑，你只要下载以软件形式存储的最新模式即可。20世纪90年代，我们开始研究语音识别，这项技术作为Siri系统的一部分，已经持续开发了数十年。同样，你也可以在数秒之内就下载这种研究电脑很多年才能习得的最新模式。
我们最终的梦想是研究出一种人造新皮质，它在功能和灵活性方面皆可与人类大脑新皮质相媲美。想想这种发明问世的益处吧。电子线路运行的速度会比生物线路快上成千上万倍。虽然一开始，我们必须牺牲速度来弥补电脑平行运算的缺乏，但是最终，数码新皮质层还是要比生物多样性变化更快，还是会提高速度。
假如我们以一种人造版本来扩大新皮质，就无须担心我们的身体、大脑能容纳多少附加的新皮质，因为就像如今的计算技术一样，人造新皮质大多会存储在云端。我曾经估计我们的生物大脑新皮质可以承载3亿个模式识别器。借助人类不断进化的宽前额和占据脑容量80%空间的大脑新皮质，这个数字对我们的大脑来说不成问题。但一旦我们的大脑开始利用云端思考，我们就不再受自然条件的限制，就能无限使用数十亿甚至数百亿个模式识别器，基本不需要再考虑我们的需求，以及加速回报定律在每个时间点可以提供什么。
生物新皮质要经过不断的重复才能掌握一种新的技能，数码新皮质也不例外。但是一旦某个数码新皮质在某一时间学会了某种新知识，它就能在第一时间与其他数码新皮质交换信息。就像如今我们每个人都在云端拥有自己的数据库一样，我们也可拥有存储在云端的新皮质扩展器。
最后，通过数码新皮质，我们可以备份智力中的数码部分。这不仅暗示了新皮质可以存储信息，更令人震惊的是，这样的信息至今还没有备份——当然，我们确实可以记下大脑中的信息用以备份。将思维的一部分传输给能长存于我们生物体中的媒介的能力无疑是个巨大的进步，然而大脑中的很多数据依然是容易受损的。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
