这个简单算法也许可以让人工智能真正像人一样思考

不得不说，虽然人工智能这词里面既有人工又有智能，但是它跟人体最复杂的器官——人脑差得还有点远。但是根据最近发表在《Frontiers in Systems Neuroscience》的一篇论文，如果其发现属实的话，人类似乎离开发出类似人脑思维的AI不远了。这篇论文的题目叫做“脑计算是通过2的幂次方排列逻辑组织的（Brain Computation Is Organized via Power-of-Two-Based Permutation Logic）”，论文作者认为这个基础算法就是人类智能的引擎。值得注意的是，论文作者多为华人，其中就包括著名的生物学家与神经学家钱卓。

钱卓是是国际著名的神经生物学与分子生物学家，其创造基因工程小鼠进行学习记忆研究的“聪明鼠”项目曾经在学术界引起轰动。据钱卓介绍，该算法可见于连通性理论（钱卓是去年提出这一解释大脑运作机制理论的），属于相当简单的数理逻辑，它构成了我们负责的脑计算的基础。简单来说，这个理论解释了我们是如何获取知识，以及如何概括知识并从中得出结论的，这个过程相当于数十亿神经元的排列与组合。论文提供的证据表明，人类的大脑也许就是按照一个出奇简单的数理逻辑运作的。

连通性理论描述了类似神经元组是如何形成复杂度团（群组数量）来处理信息的基本思想的。这些神经元祖会集群为功能连通图（FCM），后者则用来处理每一个可能的想法组合。想法越复杂，牵涉到的团就越多。

当然，这只是理论猜想。为了对这一理论进行测试，钱卓的团队监控记录了算法在7个不同的大脑区域是如何运作的，这些区域每一个都涉及到老鼠和仓鼠对食物、恐惧等的原始反应。算法表示的是一个功能连通图所需的团数N，研究表明N=2的i次方-1。

细胞群的归纳与计算逻辑。公式定义的是细胞结群的大小，即该细胞集群内部的神经团数量。

研究人员通过提供饼干、小球、牛奶、大米等4种不同的食物组合来监听受试老鼠的大脑反应，最后他们得出了15种独特反应的组合（N=2的i次方-1，i表示输入，这里就是食物，N就是神经团数量），正好符合了连通性理论的预测。而且这些反应似乎都是大脑预先编排好的——在提供食物给老鼠后，这些反应就会自然出现，而一旦刺激物没有之后又会消失。

当然，这个发现的潜在意义更主要是指AI上面。想想看，如果人脑智能无论复杂度如何都能用这个简单算法表示的话，一旦运用到人工智能的神经网络上，AI是不是就可以模仿人的思维了呢？细思极恐啊。