第一部分 千脑智能理论——对大脑的全新理解
大脑新皮质中的大多数细胞都致力于创建和操控参考系，大脑利用这些参考系部署计划，进行思考。
你和我每时每刻所感知到的，都是一个模拟的世界，而不是真实的世界。
宇宙中唯一知道宇宙存在的东西竟是漂浮在我们脑海中重量不足1.4千克的细胞团，这实在太令人惊讶了。
第1章 新旧大脑的争斗
人类大脑最新的部分是新皮质，意思是“新的外层”。所有哺乳动物都有新皮质，而且只有哺乳动物才有新皮质。人脑的新皮质特别大，约占大脑体积的70%。如果你能把新皮质从你的大脑中揭下并铺平，那么它约有一张桌布那么大，厚度则约是桌布的两倍（约2.5毫米）。
皮质处于一个绝对不平等的地位，因为它不直接控制行为。
新皮质的局部回路很复杂。在1平方毫米的新皮质（体积约2.5立方毫米）中，大约有10万个神经元，5亿个神经元之间的连接（称为突触），以及几千米长的轴突和树突。
所有新皮质看起来都很相似。
新皮质中的每个部分都产生运动。
第2章 新皮质的智能算法
达尔文提出，生命的多样性是基于一种基本算法。芒卡斯尔提出，智能的多样性也是基于一种基本算法。
关于皮质算法的位置，芒卡斯尔的观点是什么呢？他认为，新皮质的基本单位，即智能的单位，是“皮质柱”。通过观察新皮质的表面，可以发现一根皮质柱大约占据了1平方毫米。皮质柱沿着整个2.5毫米厚的新皮质向下延伸，其体积可以达到2.5立方毫米。根据这一定义，人类大脑的新皮质中大约有15万根皮质柱并排堆叠在一起。
让我们来回顾一下。新皮质是一片神经组织，大约有一张桌布那么大。它被划分为几十个区域，每个区域分别做着不同的事情。每个区域又被分为成千上万根皮质柱。每根皮质柱由几百个发丝状的迷你皮质柱组成，每个迷你皮质柱由一百多个细胞组成。芒卡斯尔提出，在整个新皮质中，皮质柱和迷你皮质柱具有相同的功能：执行一套基本算法，负责感知和智能的各个方面。
大脑能够学习几乎任何事情，这就要求它遵循一个普适的智能原理。
第3章 大脑中的世界模型
新皮质学习了一个世界模型，并基于该模型进行预测。
大脑永远不会停止预测，预测在大脑的学习中起着至关重要的作用。当大脑的预测得到验证时，就意味着大脑中的世界模型是准确的。一个错误的预测会使你注意到这个错误并更新该模型。
输入大脑的信息是不断变化的。原因有两个：第一，世界在不断变化。第二，我们在移动。
大脑通过观察其信息输入如何随时间变化来学习世界模型。
大脑学习所有东西的唯一途径是通过其输入的变化。如果输入大脑的信息是静止的，大脑就什么也学不到。
神经元工作的两个基本原则： 原则一：思想、观念和感知都是神经元的活动； 原则二：我们所知道的一切都储存在神经元之间的连接中。
以下是关于大脑如何学习的一些基本概念。每个神经元都有数以千计的突触，这些突触将神经元与成千上万个其他神经元相连。如果两个神经元同时发射脉冲信号，便会强化它们之间的连接。当我们学习时，这些连接就会强化，而当我们忘记一些事情时，这些连接就会减弱。这一基本思想是由加拿大心理学家唐纳德·赫布（Donald Hebb） 在20世纪40年代提出的，今天人们称其为“赫布理论”（Hebbian learning）。
大脑中的连接存储着我们通过经验学习的世界模型。每天我们都会经历新的事物，并通过形成新的突触来为模型添加新的知识片段。在某个时间点活跃的神经元代表我们当前的想法和感知。
第4章 大脑新皮质的3个发现
第一个发现：新皮质学习世界的预测模型。
第二个发现：预测发生在神经元内部。
树突脉冲就是预测本身。当远端树突上一组相邻的突触同时接收信息输入时，就会产生树突脉冲，这就意味着该神经元已经识别出其他一些神经元的活动模式。当一个未预测到的输入到达时，多个神经元会同时被激发，但如果输入是预测到的，那么将只有处于预测状态的神经元会发射脉冲信号。这是从新皮质中观察到的一个常见现象：未预测到的输入通常会比预测到的输入引起更大的刺激。
第三个发现：新皮质的关键是参考系。大脑通过将感觉输入与参考系中的位置联系起来，建立世界模型。
为什么参考系如此重要？有了它们，大脑能获得什么？
第一，参考系使大脑能够了解某物的结构。
第二，通过利用参考系来定义一个物体，大脑便可以一次性操纵整个物体。
第三，做计划和移动需要利用参考系。
当一个新的想法能够满足多种限制因素时，“啊哈”时刻就会出现。你处理一个问题的时间越长，最终能解决的限制因素越多，顿悟的感觉就会越明显，你就越有信心相信这个答案。新皮质中充斥着很多参考系的想法解决了许多限制因素，因此我很快就知道它是正确的。
第5章 大脑中的地图
知道自己所处的位置和世界上其他事物的位置会使你具备很多优势，但这需要一个参考系。
每当老鼠进入一个环境，网格细胞就会创建一个参考系。如果这是一个全新的环境，网格细胞就会创建一个新的参考系。如果老鼠认出了这个环境，网格细胞就会重建之前使用过的参考系。
当你在镇上走动时，你会在地图上写下你在每个地方看到的每一样东西。这就是网格细胞和位置细胞的作用。它们会为每个环境创建独特的地图。当老鼠移动时，活跃的网格细胞和活跃的位置细胞就会不断变化以反映新的位置。
网格细胞会创建一个参考系以明确位置，规划移动。但你也需要感觉信息，这些信息由位置细胞表征，将感觉信息输入与参考系中的位置联系起来。
旧脑中的网格细胞和位置细胞主要追踪一个物体的位置，这个物体就是身体。它们知道身体在当前环境中的位置。但新皮质大约有15万个这样的副本，每根皮质柱都有一个。因此，新皮质可以同时追踪成千上万个位置。
基本的信息流如下：一个感觉输入到达，由上层的神经元表征，这会激活下层中与感觉输入相关的位置神经元。当移动发生时，如移动手指，那么下层就会变为预期的新位置，从而实现对上层的下一个感觉输入的预测。
皮质柱不仅可以学习物体的模型，而且每根皮质柱可以学习数百个模型。
皮质柱中一定有与头朝向细胞功能类似的细胞。我们用更通用的术语“方向细胞”（orientation cell）来指代它。
我们的观点是，每根皮质柱都分别有一组功能上相当于网格细胞、位置细胞和头朝向细胞的细胞，上述三类细胞最初都是在旧脑的某些部分中被发现的。
第6章 大脑中的参考系
所有知识都存储在与参考系相关联的位置。参考系不是智能的任一组成部分，它是所有信息在大脑中的存储结构。你所知道的每一个事实都与参考系中的一个位置相对应。
思考是移动的一种形式。
当神经元激活参考系中一个又一个位置时，思考就会产生，从而让人想起每个位置所存储的内容。我们在思考时所经历的一系列想法类似于我们用手指触摸物体时所感知的一系列感觉，或者我们在小镇上行走时所看到的一系列事物。
what柱中的皮质网格细胞将参考系附着到物体上。where柱中的皮质网格细胞将参考系附着到你的身体上。如果where柱可以说话，它可能会说：“我已经创建了一个附着到身体上的参考系。利用这个参考系，我看着一只手，便知道它相对于身体的位置。然后我看着一个物体，便知道它相对于身体的位置。有了这两个位置信息，我就可以计算如何才能将手移到物体上。尽管我知道物体在哪里以及如何拿到它，但我无法识别它。我并不知道那个物体到底是什么。”如果what柱可以说话，它可能会说：“我已经创建了一个附着到物体上的参考系。利用这个参考系，我可以识别出那个物体是一个咖啡杯。我知道那个物体是什么，但我不知道它在哪里。”把what柱和where柱合二为一，我们便能识别出物体、拿到它并使用它。
新皮质中的皮质柱很可能事先对它应该使用什么样的参考系并没有概念。当一根皮质柱学习某事物的模型时，其中一部分学习是发现什么是好的参考系，包括维度的数量。
位点法支撑前文列出的两个前提：信息存储在参考系中，信息的检索是移动的一种形式。该方法对于快速记忆清单物品非常有效，如记忆一组随机的名词。它之所以有效，是因为它将这些物品分配到先前已学习的参考系（你的房子）中，并利用先前已学习的移动（你通常在房子中移动的方式）进行记忆。
要成为某个研究领域的专家，你需要找出一个好的框架来表征相关的数据和事实。可能不存在一个正确的参考系，两个人对同一事实的组织方式可能也不同。找出一个有用的参考系是学习中最困难的部分，尽管大多数时候我们并没有意识到这一点。
皮质柱为它学习的每个物体创建参考系，然后这些参考系布满了指向其他参考系的链接。大脑使用由参考系填充的参考系为世界建模。
到目前为止，我已经介绍了参考系的四种用途，一种用于旧脑，三种用于新皮质。旧脑中的参考系学习环境地图。新皮质里what柱中的参考系学习实物地图。新皮质里where柱中的参考系学习我们身体周围空间的地图。此外，新皮质里非感觉皮质柱中的参考系学习概念地图。
要成为任一领域的专家，你都需要有一个好的参考系，一张好的地图。
成为专家主要是要找到一个好的参考系来组织事件和观察数据。
你的大脑中大约有15万根皮质柱。每根皮质柱都是一个学习机器，都通过观察信息输入如何随时间变化来学习其预测模型。皮质柱不知道它在学习什么，也不知道它构建的模型表征的是什么。整件事和由此产生的模型都建立在参考系的基础之上。正确理解大脑如何工作的参考系是参考系本身。
第7章 千脑智能理论
任何单独的皮质柱都不可能学习世界上每个物体的模型。
大脑中的知识是分布式存储的。
关于任何特定物体的知识都分布在成千上万个互补的模型中。
皮质柱不需要将其投票发送给其他每一根皮质柱。即使远程轴突连接到的是一个很小的、其他皮质柱随机选择的分支神经元，投票机制也能很好地工作。
你会在一层细胞中看到一种稳定的活动模式。这种稳定性扩展的面积非常大，会覆盖数千根皮质柱，这些是投票神经元细胞。其他层中细胞的活动将在每根皮质柱中快速变化。我们所感知到的信息基于稳定的投票神经元。来自这些神经元的信息会广泛传递到大脑的其他区域，在那里转化为语言或存储在短期记忆中。
注意力在大脑学习模型中起着至关重要的作用。
在介绍这本书时，我说过大脑就像一个拼图游戏。我们有数以万计关于大脑的事实信息，每一个都像一块拼图。但是没有理论框架，我们就不知道该怎么拼这个拼图。在没有理论框架的情况下，我们能尽力做到的就是将几个拼图拼在一起。
第二部分 人工智能的未来
历史学家托马斯·库恩（Thomas Kuhn）在他的著作《科学革命的结构》（The Structure of Scientific Revolutions）中指出：大多数科学进步都建立在被广泛接受的理论框架之上。他将这种理论框架称为“科学范式”。有时，一个既定的范式会被新的范式推翻并取代，库恩称之为“科学革命”。
就像个人计算机向手持设备的转变一样，我认为人工智能向基于大脑的原理的转变也是必然的。
第8章 并不智能的人工智能
深度学习网络目前取得了不错的性能，但这并不是因为它们解决了知识表征问题。相反，它们完全避开了这一问题，转而依赖于统计信息和大量的数据。
大脑则采用截然不同的方式存储关于订书机的知识：它会学习一个模型。模型是知识的体现。
我依据大脑的特性提出了判断智能的标准。大脑具备以下四种特性：持续学习、通过运动学习、多重模型、使用参考系存储知识。
持续学习
·是什么？在我们的一生中，只要我们醒着，就会学习。
·为何重要？世界在不断变化。因此，为了反映不断变化的世界，世界模型必须持续学习。
·大脑如何实现？神经元是能让大脑持续学习的最重要的部分。
通过运动学习
·是什么？人类通过运动来学习。
·为何重要？实现智能需要学习一个世界模型。我们无法同时感知世界上的一切事物，所以需要通过运动来学习。
·大脑如何实现？皮质柱是大脑新皮质中的加工单元。
多重模型
·是什么？大脑新皮质由数以万计的皮质柱组成，每根皮质柱都会学习物体的模型。
·为何重要？大脑新皮质的“多重模型”这一设计带来了灵活性。
·大脑如何实现？“投票”是多重模型发挥作用的关键。在一定程度上，每一根皮质柱都独立工作，但大脑新皮质的长程连接使皮质柱可以对它们所感知的物体进行投票。
使用参考系存储知识
·是什么？人类的知识存储在大脑的参考系中。参考系也被用于做出预测、创建计划、实施运动。每当大脑激活参考系中的某个位置，并检索出相应的知识时，就会产生思维。
·为何重要？为了实现智能，机器需要学习世界模型。该模型必须包含物体的形状、物体在与人互动过程中的变化，以及物体彼此之间的相对位置。机器需要参考系来表征这类信息。参考系是知识的“骨架”。
·大脑如何实现？每根皮质柱都创建了一组自己的参考系。皮质柱使用网格细胞和位置细胞来创建参考系。
第9章 当机器拥有意识
思维就是大脑中神经元的连续激活。
大脑中活跃的神经元有时代表我们当前的经验，有时代表以前的经验或想法。这种机制既可以马上跳跃到过去，也可以向前滑动到现在，它赋予了我们存在感和意识。如果不能回忆起最近的想法和经历，那么我们就无法意识到自己还活着。
我们的知觉和存在感是意识的核心部分，它依赖于不断形成对最近的思想和经历的记忆，并在日常生活中回放它们。
对我来说，存在感，即感到我是世界上正在活动的智能体，是意识的核心。这很容易用神经元的活动来解释，并非很神秘。
感受质（qualia）是指感觉输入被感知的方式，以及它们带来的感觉。感受质是主观的，这意味着它们是内在的经验。
如果两个人对相同输入的感受不同，那么他们大脑中的世界模型就是不同的。
任何学习了世界模型的系统，会不断记住该模型的状态，并回忆起被记住的状态，这些系统都将是有意识的。
第10章 机器智能的未来
设计智能机器可以从三个部分着手：具身（embodiment）、旧脑部分、大脑新皮质。
智能蛋白质机器可以学习细胞内部世界的模型，然后使用这个模型来实现预期的目标，比如消除坏蛋白和修复受损蛋白。
智能机器还需要内置安全性。科幻小说作家艾萨克·阿西莫夫（Isaac Asimov）提出了著名的“机器人三定律”。这三条定律就好似一份安全协议：·第一定律：机器人不得伤害人类，也不得无视人类受到伤害。·第二定律：机器人必须服从人类的命令，除非这些命令违反了第一定律。·第三定律：在不违反第一定律和第二定律的前提下，机器人必须保护自己。
例如，如果一个孩子在生命早期没有接触多种语言，那么流利使用多种语言的能力就会下降。
机器智能与人类智能的另一个不同之处在于，智能机器可以被复制。
第三部分 人类智能的未来
第12章 大脑的错误信念
我们需要铭记两个要点：一是大脑只认识真实世界的一个部分（子集），二是我们感知到的只是这个世界的模型，并不是真实世界本身。
 |
模因和基因一同进化，而且它们可协同强化。
随着语言的产生，人们拓展了世界模型，开始在其中增加我们没有亲自观察到的事物。
据我们所知，只有一种方法可以区分错误和真实，即检测我们的世界模型是否出了差错，也就是主动寻找和我们的信念相矛盾的证据。
第13章 人类智能存在的风险
本章我将着重探讨两个和人脑息息相关的基本的系统性风险。
第一个风险和我们大脑中的旧脑联系密切。
第二个风险与新皮质、智能有着更为直接的联系。新皮质可能会受到欺骗，从而对世界的基本原理形成错误的信念。而基于这些错误的信念，我们会采取违背自身长期利益的行动。
错误信念依然会出现。下面有三个基本要素
·不能直接体验。错误的信念几乎总是与我们不能直接体验的事情相关。
·忽视相反证据。大多数错误的信念都规定了忽视相反证据的行为和理由。
·病毒式传播。病毒式的错误信念规定了鼓励向其他人传播这种信念的行为。
第14章 脑机融合的畅想
第15章 保存人类遗产的3种可能
创业者将自己正在做的事情告诉其他人，远比保密更有可能获得成功。
第16章 阻止人类灭绝的3种方法
这就是探索的本质：你不知道你会学到什么，但你一定会学到某些东西。
好奇心是旧脑的功能之一。即使明知不探索会更安全，人类仍很难抗拒探索。
知识比基因更重要。
一个由基因驱动的未来几乎没有方向，只有短期目标：保持健康，繁衍后代，享受生活。一个为知识的最佳利益而设计的未来既有方向又有最终目标。
后记 人类最重要的科学探索
在我看来，对大脑进行逆向工程和了解智能是人类将要进行的最重要的科学探索。
