先聊点有意思的。PC，也就是个人计算机，如今已成为日常生活中再熟悉不过的工具。很多人习惯把它称作“电脑”，本质上就是用这台机器对标“人脑”，认为它能够像人脑那样完成一些任务。再往深层次思考，既然可以用电脑模拟人脑的功能，那不就是逐步实现人类智慧吗？这正是人工智能概念的起源。

人工智能早期走的是“功能模拟”路线，业内称为符号主义，其核心追求是实现功能上的等效。专家系统作为这一流派的代表成果，确实诞生了不少成功案例。但问题也随之凸显——知识获取成了瓶颈。为何会出现这一瓶颈？根本原因在于电脑与人脑的工作原理存在本质差异，主要体现在以下两个方面。

一方面是知识存储方式的区别。当前个人计算机基本都遵循冯·诺依曼体系结构，知识采用集中式存储。因此电脑里的重要文件通常需要经常备份，一旦主文件被误删，后果可能相当严重。而人脑则不同：人脑是一个极其复杂的神经网络，知识以分布式方式存储在成千上万的连接权值中，这些权值构成规模庞大的矩阵。

人脑的知识分布式存储具体怎么理解？举个常见例子。校园里上课铃响了，操场上一个男生猛然惊醒，撒腿就往教学楼跑。跑得太快，一头撞在墙上，头破血流。医生诊断为轻度失忆，治疗一个月后记忆恢复。这个例子说明知识确实是分布式存放的——如果采用集中式存储，那些丢失的记忆根本不可能找回，就像电脑里被物理删除的文件无法恢复一样。

另一方面是信息处理方式的差异。日常使用的电脑，CPU采用串行结构。虽然看起来可以同时处理多件事——比如一边看电影、一边运行程序、一边收邮件，但这实际上是分时系统的功劳，只是因为CPU运行速度极快，让人误以为它在并行处理。人脑则完全不同。人脑的生物结构是一个分布式互连的神经网络，采用并行处理机制，能够快速处理海量信息。想想大城市繁忙的十字路口，你要过马路，大脑需要处理成千上万次信息。如果采用串行处理，等你计算完毕，绿灯早已变红灯。正因为人脑支持并行处理，正常人才能够轻松完成这一过程。而一些高龄老人因神经网络并行处理能力下降，过马路时需要警察搀扶。

需要说明一点，上面所说的“电脑”特指采用冯·诺依曼结构的个人计算机。巨型机则大不相同，例如我国自主研发的“天河”新一代超级计算机系统，采用并行处理体系结构，与人脑的运行逻辑有相似之处，运算速度超过每秒5千万亿次。大规模并行处理正是巨型机的重要发展方向。

实现人工智能的路径并非只有一条。早期符号主义依靠功能模拟，但遇到了知识获取瓶颈。近年来，基于结构模拟的连接主义开始崛起，它以人工神经网络为基础，深度学习作为代表，取得了丰硕成果。如果说符号主义视角下电脑与人脑工作原理差异巨大，那么从连接主义角度看，两者的工作原理正趋于一致。这为类脑智能研究打开了新领域，让人工智能研究走向更广阔的未来。

注：文中图片来自网络。

作者介绍

肖人彬，华中科技大学人工智能与自动化学院教授，研究方向包括群体智能、涌现计算、复杂产品创新设计等。主持承担国家自然科学基金11项，主持获得教育部自然科学奖1项、湖北省自然科学奖3项和科技进步奖1项。

编辑：黄飞