王育民教授讀書筆記
一、問題
2008 年IEEE Spectrum, Vol.45, No.6, No.6, pp.24-73發(fā)表一個特別報告集，題為：“The Singularity”，即“奇點”。由信息技術、納米技術、經濟學、神經科學、哲學、意識領域、生理學、心理學等方面的十幾位專家參與討論，發(fā)表對這一問題的看法。報告集中既有充滿想象、激發(fā)眾人興趣、科幻小說式的描述，又有由大量試驗探索數(shù)據(jù)支持的技術成果介紹；既有似是而非的說道，也有充滿哲理的歷史分析和預言；報告集中充滿了爭議，所提出的許多問題極具挑戰(zhàn)性。
人類自進入信息化社會以來，技術、經濟和整個社會的前進步伐大大加快了。信息科學技術幾十年如一日地按Moore定律飛速發(fā)展，而且人們仍然樂觀地預示，今后十年甚至二十年，信息技術仍將會繼續(xù)按莫爾定律向前發(fā)展。1997年IBM造出了“深藍”計算機，裝入了chatterbot ALICE計算機程序，戰(zhàn)勝了俄國國際象棋大師Garry Kasparov。這是人類第一次用自己制造的機器在智能上（更確切地說是在下國際象棋的能力上）戰(zhàn)勝了自己。這大大地鼓舞了IT業(yè)的工程師們，更加努力地建造出具有高于人類智能的計算機，他們幻想并且堅信，總有一天，人會造出超智能計算機。所謂超智能計算機就是不僅在計算能力上，而且在智能上都全面超過人腦。這種計算機可以直接與具有思維能力的大腦相互接入，交換信息。
這一方向可謂人工腦(Artificial brains)研究，是利用計算機科學和人工智能技術，由硅片、納米等材料構建人腦的基本框架，尤如一個具有智力的超強計算機，并構建基于人腦功能的數(shù)學模型，通過軟件實現(xiàn)人腦功能的仿真，近似實現(xiàn)人腦模型。
另一研究方向是生物腦(Bionic brains)，研究生物腦的基本構造、工作原理，搞清人為什么能產生意識、精神、思想? 如何存儲數(shù)據(jù)? 如果接受外界信息、進行判斷和響應? 個人的性格又是如何形成的? 如何用生物材料構建人造生物腦？??等等。
對于這兩個方向能走多遠，能否最終實現(xiàn)預定的目標，專家們各有自己的看法。
對于第一個方向，我覺得最困難的是，用現(xiàn)有的圖靈計算機模型來仿真生物腦的所有功能，是否能夠成功？這是個未知的問題。人腦的有些功能，如計算、邏輯分析，已由靈圖計算機成功地仿真實現(xiàn)了，有些方面可能已超過生物腦，如下國際棋。但是人腦的功能并不是都適用由圖靈計算機仿真，如圖像識別等。這些功能的數(shù)學模型是什么樣的? 還遠未搞清楚，至于到意識層面，精神、個性等就需要走更長的路了，生物腦專家們常常會笑這個方向的想法太天真了! 如諾貝爾獎獲得者，San Diego神經科學研究所所長Gerald Edelmann說，奇點論者大大低估了腦的復雜性了，不僅每個人腦是唯一的，而且它還會適應新的經驗而不斷變化。用同樣的特定輸入刺激一個生物腦，人們不會看到兩次完全一樣的響應信號。
對于第二個方向，最困難的是生物腦的工作不僅伴隨電磁過程，而且伴隨生化過程，對于電磁過程我們有較好的手段進行觀測，已取得很多成果，弄清了不少有關生物腦的工作機理，但對于生化過程、對于活體的濕件（Wetware）是如何工作的以及如何在活體上進行分析和檢測還有很多難題，我們還有待努力，目前所知甚少。
當前，意識(Consciousness)、精神(Mind)等的研究開始進入信息科學領域，信息科學的研究正在向神經學、生理學、心理學、生命科學以及哲學等領域滲透和溶合。從系統(tǒng)論、信息論的觀點來看，生命系統(tǒng)乃至復雜的人體系統(tǒng)(包括人體的神經系統(tǒng)、腦系統(tǒng)和由此產生的感知、思維等精神方面的過程，都被看作是物質、能量和信息三大要素所建的一類復雜系統(tǒng)，其中的信息過程屬于信息科學的研究對象。因此，信息自然也就成為人們關注的熱點了。它和我們常見的工程系統(tǒng)中的信息過程不同之處在于，人體系統(tǒng)中的信息過程是伴隨生化、生命過程產生、傳輸、處理和作用的。這正是前面所提的兩個方向的結合問題，當前人們正在這方面進行廣泛深入研究，如用人造器件植入人腦，替代生物腦中部分受損組織，使其恢復一些功能，如帕金斯癥、失聰癥、盲癥等的治療方面已取得驚人成績。這也證明了，人工器件至少可以用來替代和修復生物腦的部分組織。但是要制作一個具有全面人腦功能的人工腦來替代生物腦即使不是不可能的，也還需要長期努力才有可能實現(xiàn)!
二、奇點論者的看法
不少搞計算機科學的人對奇點論易于持樂觀態(tài)度，因為它們受信息科學技術迅速進展的鼓舞，早在半個世紀以前，人工智能先驅MIT的Marvin Minsky和Carnegie Mallon大學的 Hebert Simon就曾經預言在30年內(一代人)計算機將會超越人的智能，這大大鼓舞了年青AI幻想家如Kurzweil、Moravec和Vinge以及科幻作家如Arthur C. Clarke等，他們創(chuàng)造了一批有關奇點的著作。
一年以前(2007年)， IBM的Blue Gene/P超級計算機的速度已達每秒3′1015運算，采用了884736個處理器。奇點論者樂觀地認為，不要太久，二、三十年或稍長一些時間內，人類就能制造出高于人類智能的計算機。這將是人類社會發(fā)展史的地平線上又一次出現(xiàn)奇點的曙光。智能機的發(fā)展將進入了一個循環(huán)期，超智能機會導致更靈巧的下一代出現(xiàn)，而且代代之間不需再等待數(shù)年、數(shù)十年那么久，而是數(shù)周甚至數(shù)天內就能完成更新?lián)Q代。這將會大大促進經濟的發(fā)展和工業(yè)革命。
利用這類計算機可以實現(xiàn)將一個人的意識、精神、甚至靈魂從他（她）的驅體中復制或移植到一個機器人上，這將使基于軟件的人可流芳百世。樂觀者堅信意識最終可以在機器中出現(xiàn)，從而可以實現(xiàn)對意識、精神的保存，而不是人們長期以來所向往的有血有肉的驅體的意義下的永生。
人類的文明是通過一代代人交替，生生不息地傳承至今，最早所依賴的是生物體的傳授、記憶，后來才有了語言、圖形和文字記錄、書籍出版，到了近代又有了照相、電影膠片、錄音、錄像等設備，而今又有了各種數(shù)碼產品，將來呢?幾十年后就可以將一個人的意識、思想、記憶和個性等都直接下載到有巨大、驚人能力的計算機上。此時如果一個人的驅體不行了，但他的很多精神方面的東西可被移植到一臺臺計算機上、或虛擬的天國(Paradise)中了。是否可以說人可以永生了，作為一個機器的幽靈繼續(xù)活著，而他人就可以復制、編輯、出售或盜版你的靈魂。世間上一切令驅體煩惱的事，如恐懼、老弱病死、饑寒交迫等是否可能不再困擾人類了? 讓每一個人都生活在一個充滿快樂、令人激動、充滿刺激的虛擬天國之中，是否真的能讓某個人，至少是他的思想、意識、精神得到永生?這是否真的能夠實現(xiàn)還不得而知，還要看今后科學和技術的進展。但這種可預見的技術，至少為人類的文明、文化的傳承提供了有力的工具，可以大大加速人類文明的繼承和發(fā)展。
這是科幻還是人類的真正未來?對人類而言，這到底是福還是禍?美國的今夏的一部電影 “The Singularity is Near”的編導說 “這是有關未來的一部真實故事”。
三、懷疑論者的看法
生物醫(yī)學家、心理學家、哲學家們對此多持謹慎甚至反對意見，他們深知生物腦的結構和功能的復雜性，人的意識、精神是神秘莫測的。他們認為IT業(yè)界的一些技術專家們的看法過于樂觀，他們被信息科學技術幾十年如一日飛速發(fā)展陶醉了，過高地估計了技術進展的速度，過低估計了人腦的錯綜復雜性，我們對于人腦是如何建立意識以及每個人的智能和特有習性等有時如何在腦中形成的幾乎還是一無所知。
意識看來是神秘的、它是如何與器官聯(lián)系起來的仍然不清楚。在腦殼里是如何將客觀信息轉變成為主觀的經驗，將嘴和鼻子中的化學和神經活動變成為西瓜的味道?壓力波又如何變成雙簧管的聲音?這些都還未完全搞清，但總有一天會明白。意識是人腦中的生物過程，對此沒有人提出異議。
從系統(tǒng)論來看人腦也就是一個能力巨大又非常奇特的計算機，但它已經歷了數(shù)百萬年的磨練和進化，生命不停地向更復雜化發(fā)展，生物從一開始時就有一種適應能力，借助于可以繼承的遺傳性的自然選擇法則得以幸存下來。隨著人類的進步，生物界掌握了解決問題的工具，遠比自然選擇快得多，這是所謂生命的趨勢(Life’s tendency)。人腦能夠完成一些奇特的工作，如模式識別、精準的肌肉控制。人腦是確定性的，這表現(xiàn)在對外界的反應和響應，包括感覺和它 “自身”的行為都是完全確定性的，取決于所受到的刺激和其內部的生理和特殊化學過程?；谶@些事實，一些數(shù)學哲學家得出了結論，所有人腦的功能，包括意識都可以在機器中重建，其實現(xiàn)只不過是時間問題而已。
在過去幾千年，人類開始創(chuàng)造工具支持認知能力。如有了書寫工具就有了記憶的卸載功能。我們創(chuàng)建了計算機、網(wǎng)絡、數(shù)據(jù)庫系統(tǒng)等工具，就大大加速了解決問題的過程，增強了適應性，引出了許多結果。并在生物世界提高了人的智能。
之所以不能或短期內不能實現(xiàn)人工腦的研究目標的主要原因有：
1. 人腦的復雜性；
2. 人腦的生化過程；
3. 實現(xiàn)人腦功能的程序代碼；
4. 計算機與生物腦的接口問題。
1. 人腦的復雜性
近來對于生物腦的研究發(fā)展速度很快，美國神經科學學會于1970年在美國華盛頓D. C.成立時有700名會員，而今已有40000名會員。在神經科學領域，每年有3.5萬種出版物。新的腦雜志每天都在發(fā)表利用強有力的腦探測工具得到的大量數(shù)據(jù)，如核磁共振圖像、穿透頭蓋骨進行電磁刺激等。此外，科學家們還將電極植入腦中監(jiān)測和刺激個別神經元，設計了基于電極(Electrode-based)的神經修補術(Neural prostheses)，可用來幫助人們解決神經系統(tǒng)失調之類疾病，如失聰（聽覺）、失明（視覺）、癱瘓、和喪失記憶等。
健康成人大腦約有1000億個神經細胞或神經元(Neurons)，每個神經元通過軸突(Axon，輸出連線)和樹突(Dendrite，輸入連線)，中間經過突觸(Synapse，軸突和樹突之間隙)與多達10萬個其它神經元連通。人腦中神經元的連接(Synaptic connection)數(shù)達到3千萬億量級 (quadrillion，1015)。這種突觸連接是復雜的、動態(tài)變化的，有時強，有時弱，有時消失。證據(jù)顯示，老的神經元會死掉，新的神經元又誕生。參看圖1。
圖1 生物腦的神經元的連接圖（IEEE Spectrum, Vol.45, No.6）
神經元和突觸連接并不是按一個模子鑄就的，研究發(fā)現(xiàn)，它們在形式和功能上顯示出令人驚異的變化，兩個神經元之間突觸所傳送的信號也有各種不同的變化，有的突觸可長達1米，此外對于神經的信息傳送、神經生長因素、激素以及其它流經腦的化學物質漲落(Ebb and flow)等如何建模和認知，都是相當深遂和微妙的。
腦神經元每秒能發(fā)出的尖峰信號個數(shù)可表示腦的計算能力，若包含1015個突觸連接的人腦平均每秒有10個行為潛勢(Action potentials)，人腦的計算量就達10′1015 /秒。單從計算能力上看，再過二、三十年計算機是可以超過人腦的。這正是奇點論者們的主要根據(jù)。
你越深入學習有關腦的知識，你就會更加疑惑這玩意兒到底是如何工作的。但有時一些患有精神分裂癥(Schizophrenia)、雙極性錯亂(Bipolar disorder)、憂郁癥(Depression)、Alzhemer癥以及許多其它失調(Disorder)癥者常常會拒絕訴說和治療，使得探索工作更加困難。
由此可見，將神經元簡單地看作是晶體管，將大腦簡單地看作是一個巨型圖靈式計算機是過于簡單化了。人腦是遠比計算機復雜得多的系統(tǒng)，單就其神經元的結構，工作機理和計算模型也決非用圖靈機就可以解釋的。
2. 人腦的生化過程[Horgan, 2008]
然而自然界的造化是神奇的。這種奇妙的造化最集中地體現(xiàn)在生命的新陳代謝上。大自然將宇宙中最復雜的化學反應給予了生命，于是自然態(tài)下原本單一的判斷標準在生命體那里變得不再單一，這是化學反應變成高級的生命反應的過程。
3. 實現(xiàn)人腦功能的程序代碼
神經科學家們認為如果生物腦也像計算機那樣靠軟件代碼運行，那生物腦中就應當有 “神經軟件代碼”(Neural code)，存在有一組規(guī)則或算法，將這些尖峰(Spikes)變換為感性(Perceptions)、記憶(Memories)、意味(Meanings)、感覺(Sensations)和意圖(Intentions)等。但是至今神經科學家們仍然不清楚神經代碼到底是什么東西。
大約70年前，英國電物理學家Edgar Adrian在觸摸感官對神經元增強壓力時發(fā)現(xiàn)會增大發(fā)出的脈沖速率，稱之為速率代碼(Race code)，這是首次發(fā)現(xiàn)的神經碼，后來在許多動物，包括現(xiàn)代人類(Homo Sapiens)身上都證明了存在速率代碼。但這類碼是很粗，傳信效率不高，恰如人們用單純聲調高低表達信息。生物科學家猜測生物會用更精巧的代碼進行工作，即不僅細胞發(fā)出脈沖速率，而且尖峰間的精確時間間隔，都用來表示信息如100011和010101雖都有三個尖峰脈沖，但其相隔時間不同而代表不同意思。稱之為時態(tài)代碼(Temporal code)。普林斯頓大學生物物理學家William Bialek計算這種時態(tài)代碼可以將腦的信息處理能力提高到接近Shannon限。
有些神經科學工作者懷疑在前額皮質(Prefrontal cortex)和腦的其它與 “更高的級”認知功能如做判決相關的結構中，這類時態(tài)代碼是否是主導的，在這些區(qū)域，神經元每秒趨向于平均只發(fā)一兩個尖峰(Spikes)，而感覺(Sensory)和運動(Motor)神經元每秒發(fā)出100或更多次尖峰。
還有很多其它神經代碼理論，研究者在更宏觀水平上尋找 “群體代碼”(Population code)，包括許多神經元相關發(fā)射。神經科學研究所(Neurosciences Institute)的Edelman鼓吹一種稱之為神經達爾文主義(Neural Darwinism)的方案，認為我們的認知(Recognition)是在大量的表現(xiàn)不同記憶，如狗?貓?黃鼠狼(Weasel)？兔?等的群體神經元，通過競爭浮現(xiàn)出某種動物。生物腦能迅速處置這類群體，找出與外界刺激最匹配的?；蛟S是因為Edelman將這些都裝進了一個不透明的罐罐中，這種神經達爾文主義未能獲廣泛支持。
德國法蘭克福Max 普朗克腦研究所(Max Plank Institute for Brain Research)的Wolf Singer所提出的涉及多個神經元同時以同速率發(fā)尖峰的代碼受到更多人的支持。他們認為所提出的同步振蕩在認知，或許甚至在支持意識上都可能起著重要作用。
在機器中建立的意識是不容易給出定義。心理學家William James成功地將它描述為注意力(Attention)加上短期記憶、人在清醒時、睡夢中、麻醉時(Anesthesia=Anaesthesia)是處于有意識、有意識與無意識之間和無意識狀態(tài)。
1990年，后來諾貝爾獎獲得者Francis Crick和他的同事 Christof Koch提出40 Hz同步振蕩，Singer和他的合作者早此一年發(fā)現(xiàn)，是一種意識的神經簽名(Neuronal signatures)，Singer認為除了這種振蕩外生物腦還采用其它多種代碼。他強調指出，研究者才剛剛開始理解腦的神經過程，要向更高級認知和執(zhí)行功能邁進，還有很長的路才能理解意識。很難想象，不理解腦是如何創(chuàng)建意識的，人們如何能構建一個奧妙得足以支撐和提供營養(yǎng)，維持某個人的意識存在的人工腦。
Caltech的神經科學家Koch和Singer一樣持懷疑主義(Scepticism=skepticism)態(tài)度，他是Crick的好友和合作者(和James Watson一起揭示了DNA的雙螺旋(Double helix)結構)，他認為神經代碼不大可能像遺傳代碼那樣簡單和通用。神經代碼可能隨物種而不同，甚至在同一種群的不同感覺模型中會有不同的神經代碼。比如說聽覺和味覺的就不相同，部分原因是音素(Phoneme)在一秒內的很短時間變化成字，而味的盛衰變化要慢得多。
研究神經修復的證據(jù)表明，腦在響應新的經歷時會采用完全新的代碼。Koch認為，在神經信息處理中可能不存在一種通用的編制代碼的原則，這完全超出了我們的見識(insight)，腦具有令人驚異的自適應性，能夠提取每一可能的信息比特，在需要時可以發(fā)明新的代碼。
4. 計算機與生物腦的接口問題
計算機科學家們清楚知道，不僅在硬件上，而且還要在軟件上能夠通過反向工程搞清腦的軟件，才有可能設計出超人的智能計算機。這首先要解決與人腦的接口技術，使人腦和計算機能相互通信，計算機能夠從脆弱的、用血和肉構建的人腦中讀出它的 “軟件”。
奇點論者堅持認為神經修復已經將我們引向仿生(Bionic)之路。
迄今為止最成功的修復術是耳蝸(Cochlear)植入，在最近幾十年全世界已有約十萬人恢復了聽力，籍助于外部麥克風經由電極通到聽覺神經，但是這個技術還遠未完善。
2005年Chorost在Rebuilt: How Becoming Part Computer Made Me More Human 一書中描述了2001年失聰后與計算機相處的感受，人造耳蝸與天生的根本無法比擬，聲音質量差、噪聲大、清晰度低、聽不清，對有些人可能難于成功植入，其原因也尚未清楚。這可能需要設計一種新的腦代碼方案。
另一個雄心勃勃的神經修復計劃涉及記憶。美國洛杉磯南加洲大學的研究人員在設計一種芯片模仿海馬組織發(fā)出的圖樣。海馬組織是形狀像海馬一樣的神經結構，是記憶的基礎。生物工程學教授，USC計劃領導人Theodore Berger認為，將來我們可以通過這種芯片下載專門知識，但當下還要在老鼠身上進行長期試驗。
匹茨堡大學Andrew Schwarts曾將這種芯片嵌入猴腦的運動皮層，表明猴可以學會控制機器人的手臂，但對于記憶是如何被編成代碼的還都不清楚，對腦的高級功能似乎一無所知，要想將復雜的知識直接裝入腦中，不僅要激勵數(shù)以百萬計的特殊神經元，而且還要改變通過腦的突觸的連接。
這里關鍵需解決的是接口問題，目前植入腦中的電極只是精確地觀測和神經元不經意地工作。接口問題比大多數(shù)人所認為的要更難于入手、更困難和更危險。電極要通過頭骨上鉆的洞嵌入人腦，要防范感染和損害腦。常常會和神經元接觸不上，某個時刻100個電極的陣列中可能只有一半的單元接觸上了。組織創(chuàng)傷或血液可能將電極包起來，電極的位置可能移動或斷開，也可能被腐蝕。
研究者進行各種試驗，探索神經元和電極之間的連接方法，采用導電聚合物代替用金屬和硅構制的電極，以便和神經組織更好地兼容，將電極涂上稱之為細胞分子(Cell-adhesion molecules)的粘合劑，可以幫助腦中細胞和其它的粘起來；設計電極陣能自動調整電極的位置，使接收的神經信號極大化。
Caltech等公司的工程師們所設計的空腔電極可以將液體注入周圍組織中，這種液體可以是神經增長素(Nerve-growth factors)、神經傳輸機(Neurotransmitters)和其它物質。神經增長素能促進電極周圍細胞生長，神經傳輸機強化和提供電極刺激治療。神經科學家們還在試驗光學器件，用來監(jiān)視和激勵神經元以及將控制神經元接通或斷開。
Salk生物學研究所的神經科學家Terry Sejnowski說，新的技術可以有選擇地讓特定類型神經元和突觸起作用或不起作用，記錄某部分組織的所有神經元，這將有助于實現(xiàn)更有效和更可靠的神經修復。
至今，下載意識所需的接口還不存在，它要求能提供數(shù)以百萬神經元的精確、有目標的通信、指令和控制的接口。所以人們要先繞過這個內容，預期當前所有的接口將能提供給出很小的機器人或血細胞大小的納米機器人(Nanobot)，它們可以滲入到整個腦中，記錄所有神經活動，并由Zapping神經元操縱。納米機器人還可具有Wi-Fi設備，可以彼此之間以及和體內外的電子系統(tǒng)進行無線通信。這類研究尚處于起步階段。
英格蘭Open大學神經生物學家Steren Rose對其人造鈦合金膝關節(jié)和植牙技術很自豪，他說可以通過改進藥品和神經修復、或許生物工程等改善人腦的性能，但要馬上實現(xiàn)意識下載肯定會賭輸?shù)?。Rose認為計算機科學家沒有認識到腦神經元和突觸在計算過程中伴隨著基因(Genetic)、激素(Hormonal)和其它過程，腦的總的計算能力可能遠遠大于奇點論者所聲稱的超智能計算機的計算能力。
Rose還否定了下載意識的基本前提，構成人的心理(Psyches)的算法就不可能從人體中轉換到完全不同的物質，如硅、玻璃纖維或尚難以想象的量子計算機中。(這點與系統(tǒng)論觀點相悖)。Rose斷言，人的許多方面，如社交、狡猾、情感、有血有肉的靈長目動物的性困擾(Social，crafty，emotional，sex-obsessed flesh-and-blood)在其它媒質中不可能工作。
人的感知不僅受當前所能觀測到的事物的影響，而且還可能會追溯到久遠的經歷、記憶，這些都是計算機難于做到的。
為了在任一瞬間介入神經活動，科學家需要接入整個神經和激素作用下的生命的歷史以及所有的經歷，而且還要知道在生存社會中有關內容的細節(jié)知識。涉及如此復雜的內容，人的心理難于歸納Reducible)、計算(Computable)、可預測(Predictable)和可解釋(Explainable)。至于將其下載裝入到一個新的容器中就更難于想象了。
有一個老笑話可能是對的 “如果我們所理解的腦是很簡單，我們也就不會精明得能夠理解腦了”。
關于人腦的腦-機接口速度方面的進展，在2002年，腦中信息可以以2-bit/min速率傳給計算機，4年后達到40-bits/min，即每分鐘傳5個字符。以這種增長速度，到2020年，腦與計算機可以進行語音通信。這是美國國家科學基金和商業(yè)部所資助的研究計劃報告 “Converging Technologies for Improving Human Performance”，(2002)中所述。當傳輸速率超過語言通信時，是否將會出現(xiàn)計算機在我們思索之前就能將我們的思想傳出?這當然是不可能的，因為待傳送的bit首先要收集起來之后才會被傳送送出來。
要將腦-機接口(Brain-machine interface)變成為一個真正的精神-機接口(Mind-machine interface)我們還需要知道更多的東西，而不只是特定思想和相應物理過程在我們腦中的關系。
四、生物技術與信息技術結合[Corniou, Marine, 2008]
如前所述，信息科學正在滲透到許多其他科學領域，如哲學、心理學、生理學、生物學、神經生物學等，成為一種有力的研究工具。
首先，意識和腦是不同的，腦是神經生物科學家的研究對象，主要研究人腦是如何工作的，這他們的難點。意識是哲學家和心理學家們的研究對象。
在神經生物學方面有一個有名的 “藍腦計劃”(Blue brain Project)，這是由以色列神經生物學家亨利·馬克拉姆(Henry Markram)領導的一個大腦建模計劃。其目標是“通過電腦對大腦的全部活動進行完美復制，以在顯示屏上對其進行實時觀察——就好像把運行中的大腦從顱腔取出，一五一十地呈現(xiàn)在我們的眼前! ”這個計劃超越了以前所有的大腦建模計劃，想最終揭開哺乳動物智力和意識產生之迷。
2002年他來到瑞士洛桑聯(lián)邦理工學院(EPFL——Ecole Pelytechnique fédérale de Lausanne)，2005年他說服學院和IBM向他提供了世界最強大的計算機之一——“藍色基因”(Blue Gene/L，體積為4臺電冰箱大，有8000個處理器，每秒可進行22.8萬億次運算。而“走鵑”的運算能力達1000萬億次/秒，占地557m2，功率3兆萬瓦，維護成本達300萬美元/年。而人腦側面積只有0.01m2，能耗不到一只燈泡。IBM承諾10年內將優(yōu)惠提供4臺越來越強大的超級計算機)，這是 “藍腦計劃”名稱之源。他組建了有35名計算機學家、數(shù)學家、生物學家和物理學家的國際研究團隊。
第一階段工作是建立大腦皮層柱的虛擬模型，由幾千個神經元組成的大腦皮層基本單元，這個任務已經完成。他們成功地將老鼠大腦片段的生物學特性轉譯成數(shù)學語言，立足于信息科學和生物學研究，成功模擬出一個由1萬個虛擬神經元和3000萬個神經突觸連接組成的三維 “森林”。其神經纖維總長達幾公里。基于一個專用圖形開發(fā)軟件，可以深入到此網(wǎng)絡核心，探索直到目前還無法接近的世界。參看圖2和圖3。
圖2 在IBM藍色基因超級計算機上模擬的2毫米高、有約50種神經元的柱形腦結構圖像，稱之為大腦新皮質柱（Neocortial column），圖3中約有100種神經元。一支鼠腦的大腦皮層大約有10000個這樣的柱，人腦則有數(shù)百萬個。(圖源自Markram的藍腦計劃的工作，IEEE Spectrum, Vol.45, No.6)
圖3 （同圖2）
這個虛擬模型模擬的是高1.5mm，直徑0.5mm的大鼠大腦新皮層的一個柱體，是通過顯微鏡觀察了幾千只大鼠大腦活體切片，對每個人神經元進行全方位檢查，記錄它們的形態(tài)、電生理和基因特性得到的。根據(jù)電生理特性區(qū)分出了240種神經元。并對神經突觸的數(shù)量以及電信號在神經元間的傳遞方式進行了分析。
馬克拉姆團隊還建立了一個龐大數(shù)據(jù)庫，成為建模的有利工具。過去模擬一個神經元要花三年時間，現(xiàn)在只需按一下電鈕。這個工具也將大大減少研究對于動物的需求量，加快醫(yī)學和醫(yī)藥業(yè)的進展。
下一階段的目標是在神經回路中納入分子信息，即負責在神經元間傳遞信號的神經質的性質和數(shù)量。距設定的目標還很遙遠。要模擬整個大鼠腦就需要將建立大腦新皮質柱的工作重復100萬次! 更不用說不要在皮層柱之間交換信息了。研究表明人腦新皮層柱和大鼠的幾乎一樣，因此人腦皮層柱的模型也不難實現(xiàn)。大腦皮層占人大腦體積的80%，是思維的中樞。馬克拉姆還樂觀地宣稱第一個哺乳動物的虛擬大腦將在10年后誕生。
美國科羅拉多大學神經科學中心蘭道爾·奧萊利(Randall O’Reilly)對馬克拉姆的工作充滿激情，充分肯定了這一復雜模型是趨向生物事實的唯一途徑。但他說：“抽象模型可以促進對大腦運作方式的認識，也更容易理解，但它們終究只是想象”。
馬克拉姆的模型中有血管和膠質細胞，但總歸無法涵蓋對大腦運作起作用的所有因素。也有人指責這一計劃不切實際，甚至是不可實現(xiàn)的。這個計劃對很多方面還不能給出明確說法，如大腦皮層各處的新皮層柱不會是相同的，在皮層中特定區(qū)域的信息處理各具特點，在大腦皮層以外，如大腦白質以及軀體感官信息傳遞到大腦皮層的灰質核團等在馬克拉姆的模型中均未涉及。
蘇格蘭赫瑞-瓦特大學數(shù)學和計算機科學院院長菲利普·德懷爾德(Phillilppe de wilde)認為 “藍腦計劃”的目標難于實現(xiàn)，認為要完成計劃需將現(xiàn)有計算機能力提高100萬倍，存儲能力甚至要擴大更多才有可能，這至少需要100年。
馬克拉姆的“藍腦”模型所描述的還只是大腦在某個時間點T的瞬間定格而已。而智力和意識隨個體的經歷發(fā)展變化，這種動態(tài)性和可塑性完全沒有在模型中考慮。法國國家研究中心(CRS)整合與計算神經科學部(Unic)主任，伊夫·弗雷涅科(Yves Frégnac)指出，所觀察和研究的大腦活體切片會使神經元遭受極大創(chuàng)傷，遠遠偏離了大腦正常運作的軌道。
定格在時間點T的神經元和突觸網(wǎng)絡不足以建立一個大腦的真實模型。
盡管如此，在馬克拉姆的心目中， “藍腦計劃”的意義不亞于人類基因項目。
斯德哥爾摩大學的研究組在2004年曾仿真了800萬神經元和40億突觸。但仍有很長的路要走。
另一項生物腦逆向工程的研究工作是由David Adler，Howard Hughes Medical Institute神經生物學室(Wing)的研究員主持的，集合了神經科學家、生物學家、物理學家、工程師和計算機科學家，其第一步要用10~20年來研究果蠅(Fruit-fly)腦的結構，理解果蠅的大腦。參看圖4。他們認為人腦的基本連接規(guī)則和果蠅的并無本質區(qū)別。Adler基于神經電生理學(Neuronal electrophysiology)，用其超精巧電子束顯微鏡(Ultrasophisticated electron beam microscopes)和先進微處理器進行工作，微處理器的晶體管比紅血球還要小。[Adee, Sally, 2008.]
標準掃描電子顯微鏡(SEM)的圖像約10 milion pixels/s，而高分辯TV為30 million pixels/s。Alder想采用更高分辯，如10 billin pixels/s。將果蠅腦切成50納米薄片構圖，很仔細地合成一個3維虛擬連線圖。這是很費時費力的工作。毛數(shù)據(jù)所需的存儲量也相當大，一個果蠅腦需要1 petbyte即1000 terabyte，要得到較好的數(shù)據(jù)至少要對數(shù)百個果蠅腦的原始數(shù)據(jù)進行比較。
圖4 JULIE SIMPSON & PHUONG CHUNG/janelia farm（IEEE Spectrum, Vol.45, No.6）
在處理數(shù)據(jù)中，如何解決數(shù)據(jù)量過剩是個難題，提供必須的信息丟棄多余、無太大價值的、殘缺不全的數(shù)據(jù)。處理10 billion-pixel-/s，得到果蠅腦的3維連接圖大約需要5年時間(Adler估計)。要讓計算機能自動識別軸突、樹突和突觸。這可以大大降低存儲量需求，提高工作效率。
今后5年或10年，所有工程問題將會得到解決。Adler堅定認為最終腦是一部微型機器。
其他的研究者如Stanford神經科學家Stephen Smith在研究靈魂。Harvard的腦科學中心，神經科學家Jeff Lichtman在研究腦神經元的連接圖。
Adler認為這些研究匯集起來可以構建出腦的拓撲圖，尤如衛(wèi)星觀測地球所給出的地面圖。這將有助于了解人的意識，了解和治療一些疾病以及促進轉遞(Transformative)技術。如何理解腦的記憶、腦中的編輯工具，將來可以修改腦中所記憶的數(shù)據(jù)。
在Adler看來人腦的研究不過是一種更為先進的納米技術，但是我們今天所用的納米技術是靜態(tài)的硅，這種材料不適用于構建腦，電子可以在今天的芯片中運動，但原子不能動，這就是說我們在運用芯片時芯片本身不會改變。明天將會有人發(fā)明用不同的、更接近人腦的方式構建回路。也許這需要50年到100年，但總有天可以實現(xiàn)腦能做的，人工腦也能做。
五、生物人與機器人的競爭[Hanson 2008]
從經濟學的角度關心的是機器人，特別是智能機器人的出現(xiàn)對經濟發(fā)展的作用，他們會出現(xiàn)在勞務市場上嗎?和生物人的競爭關系將如何演化?社會分工的格局會發(fā)生怎樣的變化?生物人和機器人如何分工以及機器人在社會中將處于什么地位?生物人的工資能繼續(xù)增加嗎?他們的生活會持續(xù)改善嗎?
1. 制作某種智能機器人可能要花數(shù)十億美元，但這種機器人一旦造成，做一個復制品可能需要數(shù)百萬美元，如果制作百萬級的拷貝，那每個復制品的成本就降到幾千美元了，而且通過軟件更新可使智能機器人的功能不斷提高。從發(fā)展速度看其成本比訓練生物人的成本會低?？梢杂脕硖娲蜉o助生物人的工作。
2. 針對不同的任務，生物人和機器人各有不同的優(yōu)勢，生物人做家務更擅長，如烹飪美食、美容理發(fā)。有些工作生物人和機器人都能勝任，有些工作最好由機器人去做，如艱苦、危險環(huán)境的工作、量大的重復性勞動、水下、高空、沙漠作業(yè)等。隨著技術進步，機器人可做的會越來越多。
3. 當智能機器人的智力水平提高到可以與生物人相比擬的時候，經濟增長的速度會大大加快。制造智能機器人的速度和成本可能比將生物人訓練成勝任某項工作更快和成本更低；另外，計算機的資源和性能增長快，促進了計算機的應用。
4. 生物人和機器人會發(fā)生戰(zhàn)爭嗎?相信人的智慧會避免這類事件發(fā)生，人類已經用智慧成功地推遲的到來。
5. 未來的智能機器人永遠是人的幫手和奴隸，還是有一天會和生物人一樣，在社會中具有平等的社會地位?有人曾預言到2050年后，生物人將會和機器人步入婚姻的殿堂。到那時，人們還會再歧視這類機器人嗎?。
6. 機器人會做得越來越精巧，其個頭可能只要幾毫米高，動作更快，消耗資源更少，可以更密集地生存于地球上。
7. 如果智能機器人的軟件是少數(shù)優(yōu)秀生物人的仿真，那么這類智能機器人大量復制品在社會中的競爭力可能會勝過多數(shù)生物人，這時，生物人中的多數(shù)是否會被淘汰?他們的勞動力不如機器人，而他們生存所消耗的又遠大于機器人，他們的工資可能不足以維持他們的生存了。
五、當前對意識的認識[Koch和 Tononi，2008]
意識是難以捉摸的現(xiàn)象，人類思考意識問題已有幾千年的歷史，其中不少智者試圖闡明意識問題，但仍未能給出一個明確的簡潔的定義。意識是一種不可言喻的、莫測高深的人的內在精神世界。我們雖然知道意識在大腦中產生，但我們還不知道它是怎樣產生的，以及在腦中的哪個地方產生的，也仍然不清楚它是否要求特殊的腦細胞(或神經元)。接特定排列成的神經回路才能產生。
意識是人腦中產生的，大腦是產生意識的物質基礎，神經生物科學家研究腦的結構、神經元、樹突、軸突、突觸是如何連接成復雜的神經網(wǎng)絡，信息在網(wǎng)中如何產生傳遞、處理和存儲的，神經代碼是如何編制的等等，這方面已取得許多成就，但距離真正揭示生物腦的構造還有很長的路。
計算機科學家在努力構建超級計算機、模擬大腦的結構和功能，試圖由納米級芯片構造生物腦的模型，最終制作出可與人比美的智能機，這個方向未來的路將更要長些。
從系統(tǒng)論來看，人腦是一個復雜的系統(tǒng)，由物質(胺基酸、蛋白質等)、能量(食品…)、信息三個要素構成。當我們搞清楚人腦這個系統(tǒng)的構造、功能、機理等之后，原則上我們可以用某種物質，提供所需的能量和信息構建一個仿真系統(tǒng)。對這兩個系統(tǒng)進行觀察，如果對所有同樣的輸入激勵，都給出相同的輸出響應時，我們將不能區(qū)分這兩個系統(tǒng)。此時我們的預定的目標就最終真正實現(xiàn)了。
但如前所述，要達到這個目標絕不是奇點論者所樂觀估計的三、五十年內就能實現(xiàn)。必須解決很多認識上和技術上的問題。不僅要搞清大腦的生物結構、生理功能、電生理和生化過程，還要搞清其心理過程。所有這些需要數(shù)學家、物理學家、化學家、生物學家、計算機科學家、哲學家、心理學家等長期努力工作才有可能實現(xiàn)由仿真腦產生意識的目標。
人的思想、行為和其它較高級的腦功能都和大腦外層灰質層相聯(lián)系的，而且灰質層各部分的大致功能也已清楚。某部分受傷會喪失相應功能，如聽、視等。若傷及多部分就會喪失意識，如成為植物人，甚至導致死亡。
白質層，包括腦通信纖維所通過的部分受損也會造成意識喪失。若受損部分較深，到丘腦中部，及中腦(midbrain)，這可能會對大腦皮層無反映而間接導致意識缺乏。
意識還要求大腦皮層，錯誤！鏈接無效。，即腦皮層丘腦系統(tǒng)，其間均勻地充滿了神經調節(jié)器(neuromodulator)物質，起著幫助或阻止神經脈沖的傳遞作用。另外我們還知道，在意識機制中，大腦的兩個皮層半球相互獨立。但腦中的很多行為與意識關系不大，大腦皮層上腦有的基礎部分的一些小的結構，盡管那些地方的比腦其它部分的神經元更多些，但其較廣泛的損傷卻不致影響意識。神經的行為在意識中顯然起著基本作用，但這還不足以支撐意識狀態(tài)。我們知道人在深眠開始時，雖然在腦皮層丘腦系統(tǒng)中神經元行為仍繼續(xù)像人清醒時那樣活躍，但人的意識在逐漸消失。
我們現(xiàn)在雖然有了精致的儀器檢測和記錄腦神經的行為，對意識這一千變萬化、極其復雜的過程也還只有一些初步的了解。距離用機器建立意識的目標還有很長的路。在這長征的第一階段，我們可以明確為建立機器意識那些方面不是一定需要的。
人類生命中許多工作密切相關的，如情感、記憶、反省、(Self-reflection)、語言、對世界的感知和響應等行為，意識似乎對這些不大要求。人一般對其周圍發(fā)生的事警覺，有時也會注意自己體內的變化。由此可以推斷，意識與我們和外界的交互以及我們自身的交互有關。
1. 意識無需與外界環(huán)境交互
當我們在夢中時，我們與環(huán)境暫時隔開了，我們對周圍發(fā)生的事幾乎一無所知，我們的肌肉大部分處于癱瘓狀態(tài)。而監(jiān)視的電子儀器卻顯示此時人的大腦皮質、丘腦系統(tǒng)和感覺系統(tǒng)繼續(xù)在作用著，它們和清醒時沒有多大區(qū)別。
神經病學(Neurological)指出了相同的結論。一個喪失視力的人可以想象和夢幻圖像，只要他以前曾經看到過。一個完全癱瘓的病人仍然可以有健康人那樣的意識，如作家史鐵生，物理學家霍金。這就說明，雖然意識與大腦的行為有關，但它不一定非要求與外界環(huán)境交互。人在早期意識發(fā)展階段要求與環(huán)境交互作用是另一回事。
2. 意識無需感情作用，可以不要感覺和顯示
如有的人腦前額受損，在沒有感情影響下，前額葉顯示是平的，他們對于自己所處的困境平心靜氣，尤如他們周圍的人那樣。即使他們的行為受到損害，他們的判斷是不可靠的，但他們仍然像大多數(shù)正常人那樣能夠看到和聽到。
基本的情感，如發(fā)怒、害怕、驚異和快樂等是有用的，或許這些對于意識生物體(Conscious organism)是更為本質的。意識機可能依賴情感做出選擇，處理世界的復雜性，但它也可能只是一個冰冷的計算引擎，這就是意識?
3. 意識不必需要注意
心理學家爭辯說，意識要求選擇注意(Selective attention)，集中于給定目標、思想或行為的能力。有人甚至說意識就是選擇注意。畢竟是當你的注意力轉移后，這個事物就會從你的意識中退出、消失。
然而最近的證據(jù)更青睞的觀點是，一個人可以有意識地覺察一個事件或目標而無需特別注意它。當你專心盯視一個影片時，你周圍并不是只有一個聲調，但你可能聽不到電話鈴聲，或你的愛人在呼喚你，但你仍會保持對環(huán)繞在你周圍某些事務的警覺。還有令人驚異的是反過來也是如此。人們可以注意于事件或目標，也就是他們的大腦優(yōu)先處理它們，無需有意識地察覺它們。這一事實提示意識不必要求注意。心理學家們還設計了一些試驗證實這點。
4. 意識不必需明確的(Explicity)或工作(Working)記憶
1953年一位癲癇病患者H. M，治療時他的海馬和兩邊相鄰區(qū)均被切除，手術雖未能使他成為僵尸，但自此他喪失了長期記憶能力，對于給他治療的醫(yī)生、護士、所住醫(yī)院的病房以及曾看望過他的人都記不起來了，他只記得手術前的一些事情。他仍然活著，毫無疑問具有意識。
對于動態(tài)的短期工作記憶喪失者也仍然具有意識。
5. 意識無需要自省
自省似乎是人的另一種與意識深深聯(lián)系起來的特性。心理學家和其它科學家的許多研究報告表明，對外部世界的意識無需任何自省或內省。大腦前額廣泛受損后，在缺乏認知、執(zhí)行、情感和計劃能力下，仍具有接近完全的感知能力。
6. 意識無需語言
人類通過語言來描述和與其他人交流經驗，自然會認為語言和意識是不可分地聯(lián)系在一起的，但并非如此，許多病人喪失了理解語言或運用詞匯的能力后，但仍有意識。老鼠不能說話，但仍具有意識。沒有語言能力，可以用其它方式進行交流。
未來用機器實現(xiàn)意識時，我們就知道了它不一定要同環(huán)境聯(lián)系起來，不需要長期記憶，不需要注意力、自省、語言或情感。這會相應簡化用機器實現(xiàn)意識。
但是意識最本質的特性是什么?我們對此尚無經驗。要回答這個問題需要大量的綜合信息(Integrated information)。需要大的狀態(tài)集，以能產生綜合信息。能產生這類綜合信息的不同的神經組織結構是什么樣的?如何能達到生成意識的狀態(tài)?意識的綜合信息理論(IIT ? Integrated Information Theory)是信息和復雜性理論的數(shù)學基礎，并為由任何包含接口部分的系統(tǒng)所生成的綜合信息量提供一種特殊度量，稱此量度為 ，并以比特表示。錯誤！鏈接無效。值越大，表示實體(Entity)的意識劇目表(Repertoire)越大。與Shannon信息量不同的是， 是系統(tǒng)的內在特性，而不是可以通過信道傳送的信息量。
IIT提出了一種評估機器中意識的方法，如果你愿意的話可稱之為意識的圖靈測試。對度量機器意識(或至少是智能)的其它試圖不很多。自然語言或博奕策略等被認為是人才能具有的能力。研究者們曾認為，任何具有這類能力的機器就具有人類的智能。但事實上并不正確，1997年深藍（Deep Blue）超級計算機程序雖戰(zhàn)敗了Kasparov，從而證明在特別任務上，機器可以超過人的能力。但至今還沒有出現(xiàn)機器意識。
科學家們還設想機器能顯示情感、自我辨認或有意圖的行為作為機器意識的適用準則。但是如以前所述，人們可有清楚的意識但并未顯示出這些特性(Traits)。
如何才能更好地測試機器意識?按照IIT，意識意味著有一個屬于一個綜合系統(tǒng)狀態(tài)的大劇目可以利用。為了能夠有用，這些內部狀態(tài)還應當能提供大量有關世界的信息。
一個圖靈測試可能取一張圖畫，參看圖5，讓機器看后，讓機器對此圖進行概要描述，圖中在何處發(fā)生了什么事?有那些事?那些不在圖中?他們的相對空間位量如何?相互關系又怎樣?等等。機器能給出的回答應和有意識的人的回答基本一致。但事實上現(xiàn)在的機器還很難做到。對于一個特定場景也許有可能，但當前還沒有機器能夠對于任何一種場景都能做到像人一樣地認知。
圖5（來自EDGE CITY/UNIVERSAL/THE KOBAL COLLECTION，IEEE Spectrum, Vol.45, No.6）
計算機理解圖像是人工智能研究中的一個難題，至今未能突破。機器視覺算法在識別信封的ZIP碼(郵編)、支票上的簽字、街道場景中的行人等上做得還不錯。但擴大到稍復雜的畫面時算法就完全不行了。
毫無疑問，計算機科學家會很快建立一種程序能夠標示出畫面中的數(shù)以千計的目標，包括人、建筑物、槍、??。但這類軟件距離產生意識所要求的還差得遠。距離理解圖像的內涵，得出對場景的真實 “感受”就更遠了。
建立意識機的最佳途徑是什么?有兩種互補的策略，一個是復制哺乳動物的大腦，一個是開發(fā)一種機器。這兩個方向都在積極進行研究。
大腦皮層的生物物理學模擬。在今后幾十年中構造意識機需要透徹理解人腦的模型。Caenorhabdtis elegans，一種圓形蠕蟲，其大腦只有302個神經細胞。1986年科學家曾用電子顯微鏡艱苦地映射出大約6000根化學突觸，并畫出相應連接圖。至今已過去20多年了。這種最小的神經系統(tǒng)功能的工作模型還未出世。如果規(guī)模擴大到人腦，1000億或更多個神經元和數(shù)以百萬億計的突觸，要跟蹤所有突觸的活動根本是不可能的，即使是各部分的特殊用途也還完全不清楚，人的大腦確實是由令人驚異的濕件所構成實時變化著的復雜系統(tǒng)。它有數(shù)以百萬計的參數(shù)，我們對各個參數(shù)還不十分清楚，要想搞清意識是如何在其中產生出來的，還不知要等到何時。
一個似乎更可靠的途徑是從一個適當抽象的類似于哺乳動物的結構，并開發(fā)成一種意識實體(Conscious entity)，例如Sony的機械狗，Aibo和他的具有人特點(Humcnoid)的Qrio，這些都是些初級探討，運行大量的固定而靈活的規(guī)則。這些規(guī)則給人一種印象，像活的行為，追逐球、舞蹈、上臺階等，但這些機器人都還不能通過我們的意識測試(Consciousness test)。
MIT的計算神經科學家Tomaso Poggio在探索另一種方法，基于層次結構的視覺系統(tǒng)，類似于神經元的單元的多層映射在學習對真實世界圖像的分類上的完成的非常好。事實上這是當前機器視覺系統(tǒng)的最好性能。但這個系統(tǒng)還是很脆弱的。對于運動圖像測試的性能不佳。若要能接近人的行為，系統(tǒng)還要大大增強robust，可以識別的范圍還要大大增大以便能包括所有可能的情景。
要建意識機在很大程度上要依賴于科學家對于人類自己意識的理解，隨著我們的經驗增長，對于無限豐富的世界的理解深入，我們會逐步接近目標。
意識是最具主觀性的，包含了生命所有特征的概念。
關于綜合信息論請訪問網(wǎng)站：
http://spectrum.ieee.org/jun08/consciousmachines六、納米技術能幫我們實現(xiàn)超人計劃嗎？[Jones, 2008.]
莫爾定律(Moore law)，1965年由Intel的創(chuàng)始人之一Gordon E. Moore最先提出的。半導體積成電路中器件的密度，每隔18個月翻一倍，計算速度每隔18個月翻一倍，成本每隔18個月減半。至今已43年了仍然保持成立。今后能繼續(xù)保持成立嗎？人們寄希望于納米技術。
一般認為納米技術誕生于1989年，IBM資深研究員Don Eigler通過一架掃描隧道顯微鏡(Scanning tunneling microscope)，利用氙原子(Xenon atom)創(chuàng)建了公司的標志。參看圖6。自此，這一領域迅速發(fā)展，并開發(fā)了許多產品，納米技術提供了從頂級網(wǎng)球拍、不打皺衣服(Wrinkle-free Clothes)、高效太陽屏(More-effective suncreens)到能在我們體內游泳的靈巧納米級機械人，它們像極小的護衛(wèi)天使，檢測、識別和修復受破壞細胞或DNA，追獵和搗毀有害病毒和細菌。
借助掃描隧道顯微鏡操縱原子或分子，在軟件控制下使大量的納米級成員按任何符合物理定律的圖樣進行排列構造所需的物質材料，我們可稱之為 “納米工廠” (Nano- factories)。
納米技術不僅可以制作已有的材料，而且可以如超人主義者們(Trans humanists)所夢想的集成具有無限功能的材料。當前的工藝水平在感知和信息處理方面可以借助具有令人驚異的功率密度摩托，構建精巧的、具有很強計算功能、能嵌入到已有的組織中器件，這種微型摩托或納米機器人不僅限于保護我們的軀體，而且可以進一步增強用于修理、純化我們的軀體，神經納米機器人還可以成為我們的生物濕件與強大的、具有巨型數(shù)據(jù)庫的計算機之間的接口。也許這些納米機器人能夠在我們的腦中游弋，閱讀和下載我們的思想和記憶、我們的整個的人格，并傳給超級計算機。這一擴展的分子納米技術(Molecular nanotechnology)觀點在很大程度上應歸功于K. Eric Drexler [Drexler，1992]，他的觀點在其后16年被大大擴充了。在Drexler看來，組建納米材料尤如用連桿與齒輪而不是晶體管，像玩積木(Legoet)那樣來搭建納米級的微型機械計算機。
圖6 氙原子構建的IBM 公司標志（IEEE Spectrum, Vol.45, No.6）
例如，你想搭建胰腺(Pancreas)，首先要構建人的細胞(約1014原子)，而人的胰腺至少有800億個細胞，可能還要多些。你可以借助于掃描隧道顯微鏡按所需的精度安排每個原子，要完成宏觀的胰腺需要很長時間。
上述制造是一種原始的理論解，被稱之為 “指數(shù)制造”(Exponential manufacturing)。如果采用下述制作方式就可大大加速制造過程。即在制作過程中，“納米裝配工”(Nanoscale assembler)在進行裝配同時也在構造其自身。因此裝配者也將迅速增加，宏觀目標也就能迅速構建了，如何創(chuàng)建和協(xié)調眾多納米級裝配者會有很多挑戰(zhàn)性問題。德萊克斯勒將這種復制稱之為“灰色粘性物質”（gray goo），指能自復制的機器人。人類將無法控制其發(fā)展而會導致世界末日(Doomsday)到來。但Drexler認為，不必擔心，這只是Ford式大規(guī)模生產線(Ford-style mass production)的無限重復，基本操作的大量的微型化而已。
建造超智能、具有意識機制、納米機器人，能夠在我們的血液中游泳，治療我們的病痛，可以和我們的精神直接溝通。這就是說有一個后人類時代出現(xiàn)。
這是奇點論者們的主要依據(jù)，他們不僅相信莫爾定律今后會繼續(xù)成立，而且還會在其它技術領域中得到體現(xiàn)。發(fā)明家和企業(yè)家Ray Kurzweil，“The Singularity ls Near”一書作者就認為工業(yè)將會以指數(shù)速度增長，計算能力的增長速率就是一個范例，積成電路將從2-維發(fā)展成為3-維，并且是將邏輯、傳感器、微電子機械器件混合安排到3-維集成的封裝里。納米3-維芯片技術將使Moore定律繼續(xù)保持成立。Kurzweil還推測在未來3-維分子計算器件將會比芯片更快速。還將會發(fā)展在芯片上構建生物邏輯結構，這些在目前還僅僅處于初始狀態(tài)。能自我復制的超智能機是奇點論者們的另一種假設。即使器件的密度做得很高，每秒計算次數(shù)也提到很高，達到或超過人腦的水平，是否機器就能實現(xiàn)真正的人的智能水平仍然是個問題。我們尚需面對許多挑戰(zhàn)。
未來錯誤！鏈接無效。莫爾定律可能會得益于納米技術、生物技術、乃至認知(Cognitive)科學而獲得新生。
“Lab on a chip”和“Biochemical analysis”技術大大增加了可以測量的對象，如血類脂物(Blood lipids)就可從一滴血測出。但不能幻想第二莫爾定律會引出驚人的成功，所有醫(yī)療診斷就會完全改觀。
新技術大大增大了醫(yī)療診斷能力，但同時也帶來許多醫(yī)學上倫理(Ethical)問題。
雖然血液快速分析，未來嚴重疾病的即時檢測等方面已有很大成果，但在其它很多領域，如系統(tǒng)生物學(System biology)、病理學(Pathology)、生理學(physiology)上并無很大進展。
未來的復雜系統(tǒng)，包括超級智能計算機有兩個問題必須面對，一個是算法，一個是程序的缺陷（Bug）。規(guī)模為n的算法，其處理能力僅為nlog(n)，而Linux系統(tǒng)雖然做到3年才重新啟動一次，已屬不易，但有誰愿意自己的大腦 “重新啟動”?
如何將人類帶到天堂(Bliss，極樂世界)!首先要結束經濟消條；其次要根除死亡；第三是要消除引入人體中的拙劣機制。完成這三項的載體是何物?本質上就是分子納米技術，將所有物質上的問題化為軟件狀態(tài)。
探究典型細胞的內部工作，分子引擎將化學能變?yōu)闄C械能，細胞膜(某種分子)的作用為構建離子信道，這是所需兩個關鍵納米級組裝工。
細胞生物學展示了這類軟件控制制造(software-controlled manufacturing)?？捎糜谥圃霢TP合酶(Adenosine triphophase synthase)，最終合成各種蛋白質。由復雜的納米裝配實現(xiàn)。
但是考慮到細胞生物學揭示的細胞生存的物理環(huán)境和納米組裝構造出的東西很少共同之處。細胞是濕件，其中流動的并非是自由流動的水，是組成很復雜的液體，且其運動規(guī)律也很復雜，細胞間的相互作用，粘連在一起。
細胞生物學的這種水汪汪的納米生物學工作是工程師們難以想象和難以相信的。要揭示出它們的設計原理、工作原理和特點還尚要多年的努力。生物界的進化已經歷了幾十億年。
在細胞中，化學能如何轉為機械能? 電磁能又是如何由化學能轉換的？將來又如何能與納米器件作用? 在生物體內，納米組件如何能生存?這時有待解決的問題。
最終分子生物學是否能認可這種“硬”納米機器范例還是個問題。即使機器工程方法能在生物體內工作，仍然有幾個問題被支持者們大大低估了。
首先，所創(chuàng)造的構件，鏈接和齒輪雖由數(shù)不清的著名仿真工作所支持，但都存在一些化學性質上的問題。它們本質上都是具有形狀奇特的分子叢，但與所要表示的穩(wěn)定的排列的原子顯然遠不相同，而且不會自發(fā)地(Spontaneously)重新進行排列。這類晶格是采用分子模型軟件設計的，模型根據(jù)原理工作，滿足化學上價和鏈的要求，與通常值比不會太無序，其結構在化學上是穩(wěn)定的，但這只是一種問題假設。
規(guī)則晶格是鏈間以完全確定的角度將原子或分子排列成的3-D結構，牢固地將其結合在一起。要構建非自然形狀的晶格，譬如說為曲面而不是平面形的，就需要搞亂原子間的自然距離和角度，從而大大改變這些鍵的形狀。不同的排列會得到不同的物質，鉆石或石墨。
其次，是表面力的功率問題，預期這類納米摩托有高表面區(qū)(high surface area)。研究試圖進一步縮小已有的微電子機械(Microelectromechanical)系統(tǒng)到納米級，已經發(fā)現(xiàn)摩擦和持久粘連的組合作用可能是有破壞力的(Devastating)。納米摩托期望能在很高功率密度上運行，即使摩擦值很低也可能會蒸發(fā)或燒毀這種微型機器。這種摩擦和粘連對于機器的化學穩(wěn)定性至少是一種浩劫。
第三，如果反應物，如水或氧搞到納米機器的暴露表面上，攪亂了細致考慮的每種化學性質，就可能造成不可逆的破壞后果。為了避免這類分子，納米器件需要在完全受控環(huán)境下進行組裝。還不知道醫(yī)用納米機器人一旦在溫暖、擁擠、不停騷動的人體內時，可以想象這是一種最異構的環(huán)境下，如何受到保護。
第四，按照精確和剛性錯綜排列的齒、桿在室溫下的熱噪聲和布朗轟擊下如何能工作，還是個很大的問題。納米機器的抖動遠遠超出了宏觀工程結構所能承受的，即使是最具剛性的材料，如鉆石也會彎曲(Bend)和顫動(Wobble)。就像鐘表那樣，難以保持正常工作了。我們現(xiàn)在還想不出什么法能使復雜的、剛性機械系統(tǒng)，即使是用鉆石做的，能夠在納米世界中生存下來。
總之，剛性納米機器能夠運行的環(huán)境范圍受到很大限制，可能只限于低溫和真空下，這將使其經濟性大為降低。
納米技術15年來的發(fā)展雖然有不少印象深刻的成果，但并未能使我們向奇點論者的目標邁進多少。再過15年來看，雖然會有不少令人印象深刻的成果，但也不會使我們向奇點論者的目標邁進多少，還難于看到能改變生命的分子納米學的出現(xiàn)，2025年以前技術奇點可能不大會出現(xiàn)。
我們還應當大力研究和發(fā)展納米技術，以程序化結構和自行裝配特性來構造新材料和具有新功能的納米機器人、分子輸送器和摩托，并已成功用于醫(yī)療中的給藥、人體組織工程、微型器官構建、一些的疾病的診斷和治療。但要用在如細胞修理等還有很長的路。
到目前為止，在計算機人腦接口上雖然已實現(xiàn)讀128個神經元的系統(tǒng)，但和人腦的神經元數(shù)相比還差得遠。
納米技術在解決能源和環(huán)境方面的挑戰(zhàn)上，如聚合物(Polymer)和基于納米粒子的光電池(Photovoltaics)，可能會迅速改進太陽能電池的效率和降低成本。
軟件控制和組裝分子、電子和光子是精確構建納米結構的關鍵技術，這將涉及納米級下的量子效應、量子計算和量子信息處理等，并且最終將可能使剛體納米結構達到濕件生物結構的性能，這種夢想能成真嗎? “雖然我堅信腦是一種機器，但這種機器是否是計算機則是另外的問題”(Rodney Brooks)。
的,
技術七、人工智能技術能幫我們實現(xiàn)超人計劃嗎？[Brooks，2008]
一位有30多年研究機器人和人工智能的學者Rodney Brooks說：我們都是以數(shù)十億計的生物分子做成的復雜機器，是按照我們還尚未完全搞清楚的物理和化學規(guī)則構建的。生物分子在我們腦中相互作用為我們提供了智慧、感知和我們的意識。如果我們真的是機器，而且如果我們知曉了主宰我們大腦的規(guī)則，那么在原則上我們也就能用硅和鋼材復制這類規(guī)則。我相信我們的創(chuàng)造力將會展示出真正人類水平的智能、情感，甚至意識。
何時能夠實現(xiàn)這類水平的機器人?一旦實現(xiàn)了又會發(fā)生什么事?這是學術界競烈爭論的問題。
早期的人工智能（AI）當然難以實現(xiàn)，現(xiàn)在提出了人工綜合智能（AGI?Artificial general intelligence）。有人認為，AGI在正反饋自我強化的作用下，到一定時候就會出現(xiàn)遠遠勝過人類自身的超智能機器人。難以想象到那時世界將如何變化，這一事件的出現(xiàn)被稱作是一個奇點(Singularity)，稱相信奇點會出現(xiàn)的人為奇點論者(Singularitarians)，他們都是Raymond Kurzwell (the Singularity Institute for Artificial intelligence 的理事，在Palo Alto，Calif.)的追隨者。
我們的世界將成為一種技術烏托邦(Techno-utopia)，或一種Technodamnation，智能機器人將可能與人類爭斗，并有可能勝過我們。
AGI能變成生命(life)嗎?當前的機器人無疑會一代比一代更好，并且可以輔助人類軀體，但能否具有“生命”特征則又是另一回事了。
從發(fā)展看，我們人類制作的機器人會越來越像我們，而且我們人類自己也同時會變得越來越像智能機器人。搞AI的研究者夢想會有一天能夠創(chuàng)造出和生物人一樣的機器人。(如科幻片Star Trek，星際旅行)。
基于AI技術已取得很多成果，如Internet搜索引擎、語音識別軟件、自適應加油模具、以及股票交易應用軟件等。發(fā)展AGI還需要在其基本能力上取得突破，主要有四個方面 [Brooks R., 2008]：
1. 目標識別能力達到2歲小孩的水平。對各種目標，如各種不同的鞋，甚至未曾見過的帶楔足球鞋（Soccer cleats）或羊皮便鞋（suede oxfords），小孩都能正確將其歸入鞋類。但當今最好的計算機視覺系統(tǒng)仍然會搞錯，也認不出左、右腳。
2. 語言能力達到4歲小孩水平。四歲小孩可以用完整句子對話，可以處理不規(guī)則、大量不同腔調、噪聲環(huán)境、不完整發(fā)音、感嘆句、甚至是正確的非鄉(xiāng)音、以及對于不符合語法的表述的推斷和修正能力。這些對于計算機來說都是困難的、甚至是不可能的。
3．具有6令兒童人的靈巧(Dexterity)。6歲小孩可以抓住以前從未見過的東西，可以靈活地操控物體
