模拟计算才是AI算法的发展趋势

（文章来源：雷锋网）

在人工智能研究如火如荼的今天，似乎也是时候回过头来思考一下模拟计算在未来所具有的意义。当人类已经习惯于通过数字化编程控制机器，也许以神经网络为代表的模拟计算会把对于世界的控制权从人类手中夺走。这是一个值得探究的技术问题，同时也是一个不容忽视的伦理问题！

计算机科学发展的历史可以划分为「旧约」（理论）和「新约」（实践）两部分：电子数字化计算机及其产生的代码席卷全球之前和之后。旧约时代中，包括 Thomas Hobbes（托马斯·霍布斯） 和 Gottfried Lribniz（戈特弗里德·莱布尼茨） 在内的先知们为计算机提供了底层的逻辑；而新约时代的先知们如 Alan Turing（阿兰·图灵），John von Neumann（约翰·冯·诺伊曼），Claude Shannon（克劳德·香农），以及 Norbert Wiener（诺伯特·维纳），则创造了实现这些逻辑的机器。

模拟计算和数字计算二者间没有切确的分别。一般来说，数字计算处理的是整数、二进制序列、确定性的逻辑以及在理想状况下以离散增量形式存在的时间，而模拟计算处理的则是实数、非确定性逻辑以及连续函数，包括现实世界中作为「连续统」（ conTInuum）存在的时间。

想象一下，如果你需要找到一条路的中点。你可以使用任何可用的增量来测量它的宽度，然后用数字计算计算出中点到最近的增量的距离。或者你可以把一段字符串当做模拟计算机使用，将路的宽度映射到字符串的长度上，然后通过将字符串的长度延长一倍，从而在字符串自身上找到中点的位置，而无需受到增量的限制。

许多系统可以跨模拟和数字环境 *** 作。一棵「树」集成了各种各样的连续函数形式的输入，但是如果你深入剖析这棵树，你会发现它一直在以数字计算年份。

在模拟计算中，复杂的是网络拓扑，而不是代码。信息被处理成连续值函数（如电压和相对脉冲频率），而不是通过对位的离散字符串做逻辑运算进行处理。数字计算不能出现错误或歧义，因而它非常依赖于在每一个步骤中的错误纠正（校验）机制。而模拟计算则允许出现错误，计算可以与错误并存。

模拟计算机还可以在两种信息形式之间进行转换：空间结构和时间行为。这种转换不需要代码，也不需要编程。然而，我们并不完全理解自然界是如何进化出被称为神经系统的模拟计算机的，神经系统包含了从现实世界汲取的信息，并对这些信息进行学习。它们学到的东西之一就是控制。它们学着控制自己的行为，并尽可能地控制周围能够控制到的环境。

这些系统控制着从商品流到交通流再到思想流的一切事物，它们以统计的方式进行 *** 作，就像脉冲频率编码的信息在神经元或大脑中进行处理一样。智能的出现引起了智人（人类）的注意力，但是我们应该担心的是控制的出现。

但这里是否仍然存在一个人为进行控制的控制室呢？也许没有。比如说，你可以通过仅让车辆访问地图，并将其实时速度和位置反馈给地图，来建立一个可以实时绘制高速公路交通路况的系统。最终，你可以得到的是一个完全去中心化的控制系统。而除了系统本身，不存在任何系统控制模型。计算机领域的下一次革命的标志将是模拟系统的崛起，而数字化编程不再具有统治地位。

如果你想要开发一台机器来掌握人类所已知的一切知识，这意味着什么？有了摩尔定律的支持，将世界上所有的信息数字化并不需要太长的时间。你可以扫描每一本印刷好的书，收集每一封写好的电子邮件，每 24 小时就能收集 49 年间拍摄的视频，同时实时跟踪人们在哪里，他们在做什么。但是，你如何理解这一切的「意义」?

我们过于关注机器的智能，对自我再生、通信和控制等问题却不够重视。计算机领域的下一次革命的标志将是模拟系统的崛起，而数字化编程不再具有统治地位。对于那些相信自己可以制造出一台能控制一切的机器的人来说，自然界的反应将会是：让他们制造一台机器来控制他们自己吧。