按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
瘢怯辛礁霾煌Ｒ桓鍪钦飧銎迮逃形尴薷龇礁瘢硪桓鍪欠礁竦难丈唤鱿抻诤谏虬咨梢允怯邢藜侠锏娜魏窝丈Ｃ扛龇礁裨诿扛龅ノ皇奔淅锟梢愿谋淦溲丈晌现衅渌娜魏我恢盅丈Ｒ桓鎏囟ǚ礁袼谋涞难丈龆ㄓ谒衷诘难丈推淞诮臃礁竦难丈＞俑隼樱绻北叻礁袷呛焐叻礁袷腔粕媳叻礁袷抢渡鞅叻礁袷锹躺⑶抑屑涞姆礁袷亲厣敲丛谙乱桓鍪笨蹋行姆礁窠湮仙�
通过适当地选取几千个这样的规则，我就可能让这些胞腔自动机像神经网络一样生长和进化。举个例子，我可以生成一个三个细胞宽的路径，通过它我可以发送生长细胞，让它们在路径的中间向前移。当生长信号到达生长路径的尽头时，它可以让路径向前延伸、左转、右转、分裂，等等，这些决定于生长信号的颜色。通过改变胞腔自动机路径中间生长信号的顺序，我能够进化基于胞腔自动机的神经网络。
这个过程有两个步骤。第一个是生长阶段。经过几百个单位时间后，生长达到饱和。再没有三个细胞宽的胞腔自动机路径会生长了。这些路径就是神经网络的轴突和树突。当生长阶段一完成，也就是说生长控制细胞从网络里被清除后，生长的神经网络可以被随后的信令阶段所使用。输入信号会被施加，并且会扩散到整个网络。这些信号就像我早些年进化出的神经网络中的信号一样。它们可以在输出点被提取出来，并且可用来控制那些适应值（fitness）或性能可以被测量的过程。这个适应值就是整个网络的适应值，而网络是依次产生于一系列生长指令的，也就是一个含有6个（所有的数字）整数的随机串。
我所做的就是让神经网络和胞腔自动机结合起来。这些据我所知没有前人做过。之所以这么做是因为我认为胞腔自动机是一个可以拥有几十亿个胞腔自动机细胞的合适媒介，归于十亿个神经元是足够了。这对我来说是可实现的。当时的工作站（比个人电脑强大一些的计算机）的内存大概有十亿字节。内存是很便宜的，因此，既然我可以在一个字节（8位）上存储胞腔自动机细胞的状态或颜色，并且我的工作站可以拥有十亿字节的内存，那么我将可以存储十亿个胞腔自动机细胞的颜色，十亿个！这是很多的，足够在其中放入一个拥有大量神经元的人工大脑。空间将不会是问题。那时候的技术允许这样做，这是可实现的。
我花费了一年的时间去写所有的这些规则（北－东－南－西－中的类型规则）来证明二维版本的基于胞腔自动机的神经网络是可以运行，可以进化的。我不得不手工编写（有软件工具来帮助我）大概11 000个这样的命令来让它工作，结果它工作了。我成功地进化了振荡器电路、信号强度探测电路、直线运动探测电路，等等。是时候去研究拥有完全不同拓扑结构的三维版本了。在二维结构里，电路会相互碰到，它们不能跨过另一个电路。然而在三维结构里，胞腔自动机路径可以通过第三维相互交叉。三维电路的动态性和进化性比二维电路要丰富很多。仅仅两年后我就让三维版本开始工作了，这个版本有大概60 000个命令。
但是，这个时候我在日本过得非常郁闷。我们组的顶头上司有一个政策，就是每一个人负责一个项目，这让我觉得非常孤独和智力空虚。我没有一个可以真正交谈的人。在给他们施加了一些压力后，我终于在1996年得到了一个硕士生助手—— 一个年轻的德国人。
我向我的助手解释，三维版本已经基本上完工了，并且我对一直使用的胞腔自动机模型已经越来越清楚。我向他介绍了我想直接在电路上以电子速度产生和进化基于胞腔自动机的神经网络的梦想。我觉得应该简化胞腔自动机模型，让它可以适应于当时的新想法，即1996年的电子技术。他聆听了我的一系列愿望，然后消失了两个星期。当他回来的时候，带来了一个崭新的、更加简化的神经网络模型，它保持了我的旧模型里的大部分特征，但是加了一些新特征，使它变得可以直接实现于电子装置。这个新模型被称为“CoDi”。
大概在这段时间，也就是1996年下半年，一个美国电子工程师和我联系。他认为我的论文很有意思并且想与我合作。我把新模型的一些细节发送给他，问他能否用当时市场上特殊的FPGA板在硬件上实现它，他说应该可以。我的日本老板同意了这个想法并给予资助。这位在美国的新同事开始与我密切合作，不幸的是，一年后失去了我的德国同事。他回到欧洲攻读博士学位。我的日本老板又回到了“一人负责一个项目”的老路上，我比以前变得更郁闷了。
我开始想着离开，但是还不能，因为刚刚批准制造新机器。我和我的小组经理关系也越来越紧张，特别是我发现他有这样的一个政策，那就是把自己的名字加到他下属写的而他一点贡献都没有的学术期刊论文上。他让我把他的名字加到我的一篇学术论文上，我拒绝了，告诉他这在西方被认为是很令人厌恶的，是滥用权利和腐败。之后，我们的关系急剧恶化。我被允许留到1999年年底，然后我将不得不离开。日本的经济在20世纪90年代表现是如此之差，被称为是“迷失的十年”，以至于整个研究机构被认为是前景黯淡、没有希望的，因而不需要在经济萎靡时期给予资助。所以，我和部门里大多数人在千禧年离开了日本。后来我得到了另一份工作，又是在布鲁塞尔，并且是做和日本实验室一样的工作。
在1996到2000年之间，我在美国负责硬件的同事为了建造能够实现我制造人工大脑理想的特殊硬件，一直孜孜不倦地工作着。对他来说，进展缓慢。他从我的日本老板那儿只得到了有限的资助，他只请得起一个全职助手和少数几个兼职助手。
在他工作的过程中，制造FPGA芯片的美国公司决定把这些板子从市场上撤下。我的美国同事不得不和公司争取剩下的一些芯片。这耽误了好几个月。这些芯片最终还是得到了，但是没有被测试。因此，他不得不自己测试，因为没有公司的细致测试，导致了更多的延迟。
直到2000年中期，我所谓的CAM－大脑机器（CBMs）才被充分测试，真正的进化试验可以开始了。CAM即Cellular Automata Machines（胞腔自动机），早期的人工大脑是以胞腔自动机来实现的。
第一个CBM在1999年被送到我的日本实验室，它仍然有缺陷。因为只有未测试的芯片和很少的人力资源，工作进展缓慢。但这些都并不令人沮丧，因为其他的一些人开始对CBM感兴趣。到了2001年，世界上有四台这样的机器。第一台留在我原先的日本京都实验室。第二台被比利时的一个语音处理实验室购买，后来转移到了一个生物信息公司，同样也是在比利时。第三台被我的比利时实验室购买，第四台由我开发硬件的同事所拥有。因为比利时拥有了当时世界上四台CBM 中的两台，从某种意义上来说，比利时在这个领域处于世界领先地位。在2000年，我成功地从布鲁塞尔政府获得了100万美元的研究资金，用来制造人工大脑，来控制一个像小猫一样的
机器人，使它拥有数百个行为能力。所有这些20世纪90年代的工作都是我80年代博士工作的一些延伸。
“CBM”大脑制造机器，日本，1999年
CBM到底能够做些什么呢？我相信它在那个时候是一台真正的神奇机器，当人们意识到它的重要性后，将会在计算机历史上占据重要地位。它直接用电子技术实现基于CoDi胞腔自动机的神经网络模型。它可以在几秒内进化成一个神经网络，也就是说，它可以在此时间内进行一次遗传算法的完整运算，也就是几万个神经电路模块的生成和适应性的计算。它可以以每秒1 300亿次的速度改变胞腔自动机细胞的颜色；它可以处理将近一亿个人工神经元；它的计算能力相当于10 000台个人电脑，因此，绝对是一个值得花费500 000美元的超级计算机。
CBM内部构造
CBM拥有两个主要的任务。第一个是去进化一些单个的神经电路模块或者是我所说的模块。一个神经网络是在拥有24×24×24个细胞或小立方体的三维胞腔自动机中生长或进化的。这个空间可以容纳1 000个神经元。像枝节一样的树突或轴突在这个空间里随机的生长。一个被编程的FPGA用来计算生长的网络神经信号的质量，其基本思想和我在1996年之前所做的工作是类似的。当一个模块进化完成后，它被下载到一个拥有10亿字节的内存中。64 000个这样的模块将被进化，每次一个，每一个都拥有自己的被人类“进
化工程师” （Evolutionary Engineers，EE）指定的适应值定义（任务或功能），然后被下载到内存中。然后，“大脑建筑师”（Brain Architects，BA）用软件把这些下载的模块相互连接来形成人工指定的人工大脑结构，用来执行人们需要的命令。
重要的日子—— 神经元在CBM 机器上第一次被演化出来，日本东京，1999年
布鲁塞尔实验室在信息灾难（Dot Crash）中破产之后，我转到一所美国大学（Utah State University，犹他州立大学）工作，被迫重新思考。因为我在布鲁塞尔工作的实验室无法向我负责硬件开发的同事支付从其手中购买的CBM机器的资金，这致使他损失了30万美元，迫使他退出了整个项目。因为他对CBM的具体结构有垄断性的认识，这让工作出现了令人惊愕的停顿。我的美国大学付不起50 万美元来购买第五台CBM，因此我只好空手来到这所大学。我花了2年多时间去学会怎样去教学和撰写关于可进化硬件和量子计算的论文，直到我意识到我可以再制造人工大脑，多亏了摩尔定律，这次可以便宜得多。
一家英国公司开发了一种能够将普通的计算机软件代码（计算机C语言）翻译成能够设置可编程芯片（FPGA）比特串指令的方法，在得知这个消息后，我构思了一个新的大脑制造研究项目。这种新的途径就是用FPGA电子电路板（花费少于1 000美元）编写基因算法来进化神经网络。这种板子进化一个神经网络电路模块要比个人电脑利用软件（后者需要几个小时甚至几天来进化一个模块）快几十倍。
这些模块一个接一个地在硬件上被进化，所得结果被下载到电脑上。每一个模块都有自己的进化功能，是被“大脑建筑师”（BA）明确说明的。当几万个这样的模块被下载到PC上，将需要一种特殊的软件来连接这些模块，例如，模块M3728的输出将会被连接到模块M9356的第二个输入口。然后用PC来进行整个人工大脑的实时（平均每秒每个神经元25个神经信号）神经信令活动。如今的PC可以实时模拟10 000个模块的神经信令活动。整个我所谓的“便宜的大脑制造”方法花费低于2 000美元，因此，我希望这个概念可以扩展到其他的大学和研究所里。理所当然，如果我真的可以在近几年里制造出一个这样的大脑并且证明它可以控制
机器人完成一些任务的话，这对于我的同事们和资助者来说将会更有说服力。
未来的任务和理想
如果那些嘲笑我是荒谬断言的人能够看到这一点，即我可以在2001年前制造一个拥有10亿个神经元的人工大脑，并能够在1993年看到2001年出现 CBM，就不会再嘲笑我了。老实说，这台机器不是处理10亿个神经元。实际上的数字是7 500万个，但只是差一个数量级，这已经不错了。同样不可否认的是，建造人工大脑这样一个艰巨任务仍然没有完成。这里有很多的工作要去做，并且我一直饱受责难。因为这些滞后，不管是因为商业原因、技术原因、管理原因，还是个人原因，我至今还没有一个人工大脑来展示给人们。一些记者开始变得不耐烦，并且怀疑我是否能够或者什么时候可以制造出一个。因为布鲁塞尔实验室快要破产了，我不能够随意告诉记者其中的原因。这实在太让人沮丧了。
当时的计划是在破产前完成机器进化研究，一次进化一个模块。如果进化的程度不够，我们将不得不改变在CBM中使用的适应值定义。我们可能也不得不改变实现在可重复编程的FPGA板子上的神经网络模块。当这一步骤完成后，下一步可能就是开始制造多模块系统，先是拥有几十个模块的，然后几百、几千，直到64 000个模块来制造一个志在控制
机器人行为的人工大脑。我们打算展示一个由人工大脑所控制的，并且拥有很多行为�