雷‧庫茲威爾

名人推薦：台灣第一本徹底解析人工智慧發展的書！

專業推薦：

于天立 國立台灣大學電機工程學系助理教授

楊 千 國立交通大學EMBA榮譽執行長

蔡惠卿 上銀科技總經理

鄭國威　PanSci泛科學總編輯

羅仁權　國立台灣大學電機工程學系講座教授暨終身特聘教授



「庫茲威爾對於人工智慧未來潛力無限的預測，不但言之有理還有立論根據，對於地球上機器人的最高統治者──人類──來說，這本書應該能讓我們高枕無憂，為人工智慧的超神速發展做好準備。」

──《紐約時報》（The New York Times）

「令人耳目一新的創見……庫茲威爾這本書...

前言

　　智慧可以超越自然的侷限，依照本身的想法改變世界，是宇宙間最重要的一種現象。智慧幫助我們人類克服生物遺傳的侷限，並在演化過程中改變自己。而且在所有物種中，唯有人類能做到這一點。

　　人類智慧這個故事要從「能對資訊進行編碼」開始說起，這也是讓演化得以發生的促成因素。宇宙為何如此運轉，這件事本身就是個有趣的故事。物理學的「標準模型」必須精準設定幾十個常數，否則就不可能產生原子，也不會有恆星、行星、大腦，更不會有跟大腦相關的書籍出現。讓人覺得不可思議的是，物理學定律和常數竟能夠精確到如此程度，讓資訊一路演化發展。有些人認為，上帝創造了這個世界；有些人則認為，這世界不過是具有豐富資訊的許多平行宇宙之一員，那些不具資訊的無聊宇宙已經在演化過程中滅絕。但是，無論我們的宇宙是如何演化到今天這個模樣，這個故事依舊可以從以資訊為基礎的世界開始講起。

　　演化的故事還延伸到更抽象的層面。原子──尤其是碳原子，能以四種不同方向的連結，創造出豐富的資訊結構──形成更多複雜的分子。結果，物理學催生了化學。

　　十億年後，名為DNA（去氧核糖核酸）的複雜分子演化完成，能被精確編碼為長串的資訊，並利用這些「程式」描述生物。因此，化學催生了生物學。

　　生物以快速增長的速率演化出所謂的神經系統，負責溝通與決策等功能，並能協調日益複雜的生理結構與維生行為。神經元組成的神經系統集結成大腦，而且大腦能夠做出更加明智的行為。如此一來，隨著大腦成為儲存與處理資訊的最重要部位，生物學就催生了神經學。因此，我們從原子擴大到分子，再到DNA，再延伸到大腦，下一步就是獨一無二的人類。

　　哺乳動物的大腦有一種特有的天賦，這種天賦在其他動物身上尚未發現，那就是我們能夠進行層級思考（hierarchical thinking），也能理解由不同成分、依照某種模式所組成的結構，並以一種符號代表這種結構，再利用該符號做為更複雜結構中的一種成分。這種能力發生於被稱為大腦新皮質（neocortex）的結構中。人類的這種能力已經發展到某種複雜和理解的階段，因此，我們可以將這類模式稱為想法（idea）。透過一種無止盡的反覆循環過程，我們可以構建更為複雜的想法。我們將這種遞迴連結的龐大想法稱為知識（knowledge）。知識基礎是智人（意即現代人）才有的，而且人類透過本身演化，讓知識呈現指數成長，並代代相傳下去。

　　人類的大腦還創造出另一層級的抽象意識，因為我們在利用大腦智慧的同時，還使用另一種促成因素（一種與大腦相對的附屬物），也就是運用雙手來掌握環境並製造工具。這些工具代表一種新形式的演化，因此神經學催生出技術。而且，人類也因為這些工具，才讓知識基礎能無限制地發展下去。

　　口語是我們人類的第一個發明，口語讓我們能用不同的話語來表達想法。之後發明的書寫語言，又讓我們能用不同的形式來表達想法。書寫語言庫讓我們在沒有外力援助的情況下，大幅延伸大腦的能力，讓我們能夠維持並擴充遞迴結構式想法的知識基礎。

　　至於像黑猩猩等其他物種在語言上是否也具備表達層級想法的能力，這個問題仍存在一些爭議。黑猩猩能夠學會有限的手語符號，牠們能使用這些符號跟訓練人員進行溝通。然而可以確定的是，黑猩猩能處理的知識結構，其複雜度有所限制。牠們能表達的語句僅限於「名詞－動詞」這種簡單語序的句子，無法像人類這樣無限延伸地表達各種複雜事物。關於人類語言的複雜性，可以舉一個有趣的例子做說明。只要看看馬奎斯（Gabriel García Márquez）所寫的故事或小說，就會發現許多驚人的冗長文句，甚至一個句子就長達好幾頁。馬奎斯寫過這篇六頁內容的故事〈鬼魂的最後旅程〉（The Last Voyage of the Ghost），整篇故事就只有一個句子，而且這個故事的西班牙文譯本和英文譯本也相當流暢。

　　我之前出版過三本跟技術有關的書：《智慧型機器時代》（The Age of Intelligent Machines）寫於1980年代，於1989年出版；《心靈機器時代》（The Age of Spiritual Machines）寫於1990年代中期到後期，於1999年出版；《奇點臨近》（The Singularity Is Near）寫於21世紀初，於2005年出版。這三本書主要闡述一個本身不斷加快的演化過程（因為抽象的程度不斷提升所致），以及這個過程的產物其複雜度和能力都呈現指數成長。我把這種現象稱為「加速回報定律」（the law of accelerating returns, LOAR），這個定律跟生物演化和技術發展有關。有關加速回報定律最受人矚目的例子就是，資訊技術的能力和性價比都呈指數成長，而且這種成長速度是可預測的。技術發展過程勢必讓電腦能力不斷提升，電腦能力的提升大幅擴展我們的知識基礎，讓我們能夠透過某個領域的知識，跟另一領域的知識進行大規模的聯繫，達到觸類旁通的效果。網路本身就是說明層級系統之能力的最佳實例。網路包含大量的知識，同時又維持固有的結構。我們所處的世界也跟網路一樣，內部是依照階層劃分，比方說：樹有枝、枝有葉、葉有脈。建築物裏面有樓層，樓層有房間，房間有門、窗、牆壁和地板。

　　我們也開發出其他工具並利用這些工具，讓我們現在能以精確的資訊術語理解人類的生物學。同時，我們正迅速運用逆向工程（reverse engineering），分析包括大腦結構在內的生物學構成資訊。我們現在擁有以人類基因體形式存在的生命目的碼，這項成就本身也是發展呈指數成長的一個顯著實例。過去二十年來，全球已定序的基因資料數量呈指數成長，每年幾乎是加倍成長。我們現在可以利用電腦模擬，判斷鹼基序列如何形成氨基酸序列，再折疊成三維結構的蛋白質，所有生物結構就由此衍生。隨著電腦資源持續呈指數成長，我們對於蛋白質折疊複雜度的模擬能力也跟著穩步提升。我們對於生物學的日漸理解，就是發現演化賦予人類智慧奧祕的一個重要面向，因為有了這些理解之後，我們就能運用生物學啟發的典範，創造出更有智慧的科技。

　　現在，成千上萬名科學家和工程師正共同參與一項重大計畫，這群人努力理解智慧發展的最佳範例：人類大腦。這可說是人類機器文明史上最為重要的工作。我在《奇點臨近》一書中提過，加速回報定律的一個必然結果就是：其他智慧物種可能不存在。簡單講就是，想想看人類在相當短的時間內，就能從只具備落後技術（1850年時在美國國內傳遞資訊的最快方式是透過驛馬快信），發展到擁有能到達其他星球的技術；那麼，如果真有其他智慧物種存在，我們應該早就發現他們了。從這個角度來看，對人類大腦進行逆向工程可能是全宇宙最重要的計畫。

　　這項計畫的目標是要了解人類大腦究竟如何運作，然後利用這些新發現的方法，進一步了解人類本身並在必要之時修復大腦；而跟本書主題最密切相關的部分就是，利用這些新發現的方法，創造出更有智慧的機器。記住，工程學能做的就是將一個自然現象明顯放大。舉例來說，伯努利定律（Bernoulli’s principle）這個相當微妙的現象，它指出運動中的彎曲表面比平坦表面的空氣壓力要小。雖然科學家仍未充分解決關於伯努利定律如何產生機翼升力的數學問題，但是工程學已經接受這個觀點，並全力開創整個航空界。

　　

在本書中，我提出一個名為「思維模式辨識理論」（pattern recognition theory of mind, PRTM）的觀點，我認為這個理論描述了大腦新皮質（主要負責感知、記憶和批判性思考的大腦區域）的基本演算法。在這本書的前幾章，我會說明近代的神經科學研究和人類所進行的思想實驗如何產生這項必然的結果：大腦新皮質所運用的正是思維模式辨識這一套方法。而思維模式辨識理論和加速回報定律的結合意謂著：我們將能巧妙利用針對大腦運作所發現的這些原則，大幅擴展人類本身智慧的力量。

　　實際上，這個過程已在進行當中。以前必須仰賴人類智慧才能完成的許多工作和活動，現在已能完全交由電腦執行，而且電腦執行的精準度更高，規模也更龐大。當你每次寄發電郵或撥打手機電話時，智慧型演算法都能為傳遞資訊找出最適路徑。心電圖檢測結果就跟醫生診斷結果一樣，血液細胞造影的情況也是如此。智慧型演算法能自動辨識偽造信用卡，能駕駛飛機起降，指導智慧型武器系統，協助設計智慧型電腦輔助設計的產品，能追蹤及時庫存水準，還能在機器人工廠裏組裝產品，而且還會下西洋棋，甚至挑戰大師級程度的棋賽。

　　幾百萬人見識到IBM那部名為「華生」（Watson）的超級電腦，在《危險境地！》（Jeopardy!）這種使用自然語言比賽的益智問答節目中，華生的總得分竟然贏過該節目兩位紀錄保持人加總起來的分數。值得注意的是，華生不但能讀懂和「理解」該節目中的提問（包括雙關語和比喻），還能從維基百科或其他百科全書等數億頁自然語言文件中，汲取答題所需的知識。華生必須精通人類各領域的智慧成果，包括：歷史、科學、文學、藝術、文化等。現在IBM正致力於在新一代的華生超級電腦上，開發文字語音自然轉換技術（Nuance Speech Technologies，這是我的第一家公司「庫茲威爾電腦產品公司」〔Kurzweil Computer Products〕發展的技術）。新一代的超級電腦華生利用Nuance公司的臨床語言理解技術，將能閱讀醫學文獻（幾乎包括所有醫學期刊和最重要的醫學部落格），成為診斷大師和醫學顧問。有些觀察家認為，華生並未真正「理解」《危險境地！》當中的益智問答或它所閱讀過的百科全書，因為這部超級電腦只是在進行「統計分析」。在此我要描述的關鍵是，人工智慧領域所涉及的數學技術（譬如被用在華生、Siri和iPhone助理上的那些技術），在數學上都跟大腦新皮質涉及的生物學演化方法極為類似。如果透過統計分析理解語言和其他現象不算真正的理解，那麼人類也沒有真正理解什麼事情。

　　華生運用智慧掌握自然語言文件中的知識，這種能力很快就商品化，成為你我身邊常用的搜尋引擎。人們已經用自然語言跟自己的手機對話（譬如透過Siri，這當然也要歸功Nuance語音辨識技術）。當人們懂得更加善用華生這類模式的做法，而華生這類超級電腦本身也在不斷改進之際，這些自然語言輔助工具很快就會變得更有智慧。

　　Google的無人駕駛汽車已經在加州繁忙城鎮行駛二十萬英哩（等到這本書出版上架時，這個數字鐵定會高出許多）。當今世界有關人工智慧的其他實例多到不勝枚舉，未來還會有更多實例出現。

　　有關加速回報定律的進一步實例，比方說：腦部掃描的空間解析度和我們針對大腦收集的資料，每年都加倍遞增。人類也正在證明，我們可以將這類資料轉變成運作模型，模擬大腦區域的運作。另外，我們已經運用逆向工程，順利取得處理聲音資訊的聽力皮質、處理圖像的視覺皮質，以及處理一部分技能形成（譬如接住飛來的球）的小腦之關鍵功能。

　　理解、建模和模擬人類大腦這項計畫的最先進部分就是：對大腦皮質進行逆向工程，而大腦皮質正是我們進行遞迴層級思考的部位。大腦皮質佔據人腦的80%，是一個高度重複性的結構，允許人類隨意產生具有複雜結構的想法。

　　在思維模式辨識理論中，我將以一個模型說明人腦如何利用生物演化設計的巧妙結構，達成思維模式辨識這項關鍵能力。雖然在這種皮質運作機制中，有些細節我們現在尚未徹底了解，但是我們對皮質運作機制所需執行的功能已有足夠的了解，並且可以設計出演算法達到相同的目的。在開始了解新皮質前，我們現在已經準備好大幅擴增新皮質的能力，就像航空界大幅擴增伯努利定律的力量那樣。新皮質的運作原理可說是世界上最重要的思想，因為它能代表所有的知識和技能，也能創造新的知識。畢竟，每部小說、每首歌曲、每幅畫作、每個科學發現和其他人類思想的各式各樣產物，全都是由新皮質創造出來的。

　　現在，神經科學領域亟需一個理論，將報章媒體每天報導的那些極為分散又涵蓋廣泛的活動結合起來。畢竟，在每個重要的科學領域，建構一個統一理論是相當關鍵的必要條件。我會在第1章描述兩位思想實驗家如何分別將生物學和物理學的理論統一起來，之前這兩個領域的理論極其多變又各不相同。然後，我會解釋如何把這種理論應用到大腦結構上。

　　今天，我們時常可聽到對於人類大腦複雜性的頌揚。諾貝爾生理醫學獎得主詹姆斯．華生（James D. Watson）自己就在1992年寫道：「大腦是最新、最偉大的生物尖端領域，是我們在宇宙中所發現最為複雜之物。」他進一步地解釋自己為何相信「大腦內部有幾千億個細胞，這些細胞透過幾兆個節點互相連結，大腦讓我們深感困惑。」

　　我同意華生認為大腦是最偉大生物尖端領域的看法，但如果我們可以輕易辨別出包含在細胞和節點中容易理解（並可再創造）的模式，那麼大腦包含的幾千億個細胞和好幾個兆節點未必會讓研究大腦的主要方法變得複雜，尤其是有大量冗餘（redundant）模式存在的情況下。

　　我們就來想想看，什麼是複雜。我們或許會問，森林複雜嗎？答案要看你用什麼角度看待這個問題。你會發現森林裏有好幾千棵樹，每棵樹都不一樣。然後你發現每棵樹有好幾千個分枝，每個分枝也完全不同。接著你可能進一步描述每個分枝的複雜特性。如此一來，你的結論可能是：森林的複雜性遠超過我們的想像。

　　但是，把森林看成許多樹，這種方式其實是錯誤的。當然，樹和樹枝在分形結構上極為不同，但要正確理解森林的概念，你最好先辨別出其中隨機出現的冗餘結構。這樣我們就可以說，森林的概念比樹的概念更為簡單。

　　大腦也是這樣，大腦有類似的龐大冗餘組織，尤其在新皮質結構中。就像我在這本書所做的描述，單一神經元的複雜度甚至超過整個新皮質結構的複雜度。

　　我寫這本書的目的當然不是要老生常談人腦有多麼複雜，而是要讓大家知道，原來只要辨別出人腦思維的簡單模式，就能揭發複雜人腦的奧祕。我會藉由說明一個巧妙的基本機制──大腦如何進行辨識、記憶、預測模式，來讓大家知道思維的奧祕。這些行為在大腦新皮質裏不斷重複，讓我們產生各種不同的想法。韓裔美籍麻省理工學院神經學家承現峻（Sebastian Seung）博士相信：「基因無法決定一切，大腦神經元的連接才是人類身為智慧生物的最重要部分。」

　　到目前為此，我的話題一直圍繞著大腦打轉。然而，思維運作又是怎麼一回事呢？舉例來說，負責解決難題的新皮質是如何取得意識？當我們討論這個話題時，我們大腦裏出現多少意識思維呢？有證據顯示，大腦裏出現的意識思維可能不止一個。

　　另一個跟思維有關的問題是：什麼是自由意志？我們是否擁有自由意志？有實驗顯示，在我們意識到自己做出什麼決定前，我們早已開始採取行動了。這是否意謂著，自由意志只是一種假象？

　　最後，我會在書中探討究竟大腦裏的哪些特質造就自我認同？現在的我，跟六個月前的我是同一個人嗎？顯然，我已經不是以前的我，但我還是我嗎？

　　我們會檢視思維模式辨識理論如何解釋這些存在已久的問題。

前言

　　智慧可以超越自然的侷限，依照本身的想法改變世界，是宇宙間最重要的一種現象。智慧幫助我們人類克服生物遺傳的侷限，並在演化過程中改變自己。而且在所有物種中，唯有人類能做到這一點。

　　人類智慧這個故事要從「能對資訊進行編碼」開始說起，這也是讓演化得以發生的促成因素。宇宙為何如此運轉，這件事本身就是個有趣的故事。物理學的「標準模型」必須精準設定幾十個常數，否則就不可能產生原子，也不會有恆星、行星、大腦，更不會有跟大腦相關的書籍出現。讓人覺得不可思議的是，物理學定律和常數竟能夠精確到如此程度，...

〔推薦序〕

人腦vs.電腦：智慧究竟是什麼？

于天立 / 國立台灣大學電機系助理教授

　　許多學者認為在21世紀人工智慧將會有重大突破。為何這樣認為呢？其一是網際網路的蓬勃發展，造成了大數據，使得學習範例充足。其二是分子生物、神經科學的發展，促成認知學延伸至認知神經學，使我們更能了解大腦的功能（如果如大部分學者所相信的，大腦是認知的中樞）。您可能知道約翰．希爾勒（John Searle）將人工智慧分為「弱人工智慧」及「強人工智慧」（本書內有描述）。大數據有助於弱人工智慧的發展，也就是讓電腦能做到人類所能做到的事，而認知神經學則有助於強人工智慧的發展，也就是讓電腦能像人類一樣思考。強、弱人工智慧之間似乎存在著不少差異，然而人工智慧從1950年代左右發展到現在，我們是否真能跨越這道鴻溝呢？

　　我在寫這篇推薦序時，人正在美國Redmond參加微軟的Faculty Summit，今年的主題正好是人工智慧，因此有幸聽到人工智慧界的知名學者們對人工智慧未來的看法。有趣的是，意見很兩極。樂觀的學者認為我們很快就要解開智慧之謎，但也有不少與會學者認為未來仍有漫漫長路，我們至今仍無法掌握人類思考的關鍵。而本書《人工智慧的未來》作者雷．庫茲威爾（Ray Kurzweil），無疑地是屬於前者。我覺得他就像是人工智慧界的萊特兄弟，在人類對流體力學、動力學的認知正在萌芽、發展的時代，就相信人類總有一天可以征服天空，而且毫不遲疑地馬上著手進行。事實上，我們直到今天仍然無法完整地用數學嚴謹地證明飛機可以飛，而飛機已經成為非常普遍的交通工具了。

　　隨著深度學習等技術以及大數據的出現，我們現在可以利用統計、迴歸的方法，針對某個問題在資料庫中組合出最合適的答案。也可以利用比對的方式，組合詞彙，來對照片自動產生描述，其精確度甚至可以超過人類。這樣的做法常常招致的批評是「電腦真的有了解問題／照片嗎」？然而雷．庫茲威爾認為諸如統計、比對等功能，正是人腦在做的。他這些話可不是隨便亂說的，而是基於近年來我們對人腦的了解。在1950、60年代左右，人腦常常被認為是大量的平行運算，這也促成了類神經網路的發展。然而，熟悉演算法的讀者可能知道，像是視覺三度空間建模這樣複雜的演算法，無論有多少個運算單元，是不太可能在幾十個步驟內完成的（大約是人腦一秒鐘內可激發神經元的縱向深度）。再加上神經科學的發展，現在大部分學者相信，人腦的主要功能在於記憶／統計、預測／推論、及辨識／比對。而人腦僅在事物不合乎預測時，才會進行運算。例如談完話之後，很少有人能記得對方打什麼樣式的領帶。但是對方若是打赤膊的話，相信你很難不注意到。

　　然而要擁有像人類的智慧，僅僅研究學習的演算法是不夠的。畢竟人類從出生開始，並非真的如「一張白紙」，而是已經帶有了大量的訊息（大部分的訊息來自基因，無論來源是億萬年的演化，或是神或其他生物所造）。關於人腦的逆向工程計畫，其實已在進行中。這部分本書也有許多說明，雷．庫茲威爾並提出他自己獨到的見解和理論。他認為即使人腦的構造是複雜的，要重現人腦的功能──思維運作──卻不見得會一樣的複雜。因此作者樂觀地認為人腦的逆向工程，有助於創造出更有智慧的電腦。

　　最後讀者可能還是會想問，我們真的可以製造出比人聰明的電腦嗎？許許多多有關人工智慧的電影，最後總是邪惡的電腦要毀滅人類，這事真的會發生嗎？談這個問題前，可能得先定義何謂「聰明」。我非常認同作者的觀點，畢竟電腦是為人類工作的。我們在設計下西洋棋的程式／電腦時，就是希望它西洋棋能下得好，而不是希望它有一天會想去吃冰淇淋。只會下西洋棋而不會想去吃冰淇淋的電腦真的聰明嗎？這部分其實每個人見解都不太一樣，作者在本書第11章及後記都有提到他自己的觀點。我個人倒是很懷疑到底真的有多少人希望有「自我意識」的電腦產生。想像有一天按下冷氣開關，冷氣說其實天氣沒有很熱，咱們省點電吧……

　　如果您是第一次接觸到雷．庫茲威爾的作品，您一定會對他的博學多聞印象深刻。更重要的，他能在許多看似不相關的理論、數據之中，找出關聯，進而得到許多大膽但同時又深具說服力的推測。無論您是否同意作者的大膽預測，他在本書闡述了許多人腦運作的原理以及人工智慧的發展史／目前的狀況／未來的展望。想一窺人腦思維奧祕或是想多了解人工智慧的讀者，相信您會和我一樣喜愛上這本書。





〔推薦序〕

人工智慧可與人腦匹敵嗎？

羅仁權 / 國立台灣大學電機系講座教授暨終身特聘教授

　　人類，這個相當聰慧的物種，發揮了他與生俱來的本能：大量的累積知識及經驗，並從中汲取智慧，經由時間一代代的演化與傳承，形成了今日的人類社會。然而，智慧到底是什麼呢？

　　在這個技術日新月異的時代中，人們藉由靈巧的雙手為自己和他人製造了各式各樣的工具，這些種種的工具之中，幫助人們從3D──Difficult（困難）、Dirty（骯髒）和Dangerous（危險）──工作中解脫出來。我們知道，這些工具的出現帶來了快速及大量的發展，帶來了許許多多經濟的繁榮。然而，人類又是如何打造出如此多實用的工具？

　　我們都知道，任何成就當中必然有其道理，在這本書《人工智慧的未來》當中，作者就以相當巧妙的方式，帶領讀者一探人類的發展脈絡，從這些脈絡中可以發現，人們藉由接收外界資訊開始，學會以各式各樣的特徵來辨識種種資訊，從簡易的方塊等圖案特徵到複雜的物體辨識，甚至到更高層級的雙關語、幽默及內心嫉妒等心理變化的辨識，其背後的道理看似複雜，但若以本書特有的角度來觀察，又似乎一切都能水落石出。

　　在本書作者用心的引領下，從幾個著名的思想實驗帶出觀察的重要性，透過仔細全面的觀察，搭配各式各樣的實驗來探究驗證理論的可信度，就是這樣的精神，才讓人們用物理來描述這個世界，探討物理中極小的原子互動而形成各式化合物，開啟了化學之篇章；再藉由化合物長時間的互動，形成了萬眾矚目的DNA；再藉由DNA長時間的演化，形成了決定人類各種機能的蛋白質；最終合成了能讓人類如此聰慧的大腦本原（神經元）。就是這樣有效及神祕的神經元，在我們人類接收外界各式各樣的的資訊後，產生了非常複雜的神經元激發動作，經由作者的仔細觀察及探討，發現這些激發動作其實是分成許多層次的，大腦藉由每個不同層次的輸入資訊分別配給相應的語句去描述，這就形成了人類的語言。

　　人類的大腦新皮質中總共約有300億個神經元。現在，成千上萬名科學家和工程師正努力進行人類機器文明史上最為重要的工作，企圖理解人類大腦這個智慧發展的最佳範例。IBM開發的超級電腦華生已經閱讀過幾億網頁，並掌握這些文件中包含的知識。到最後，機器將能掌握網路上的所有知識。就是透過這樣的知識，讓人們得以產生各式各樣的工具，然後再配給每個工具一個名稱，因此而產生多樣化的術語（如網路有VPN工具，就會產生各種關於VPN的對話），也就是產生了更大量的知識，然後利用這些知識來幫助人們理解整個社會，完善了人類在社會中大腦的種種功能，也產生了各式各樣的心理狀態（如思維及愛情等）。

　　人們希望藉由對自己大腦的更深層了解，幫助自己建立更聰明有智慧的機器工具，甚至賦予機器能行動的能力，也就是家喻戶曉的機器人！這樣的機器人，若能整合發展數十年的人工智慧，將能成為人類社會中極其重要的伙伴。藉由本書作者的引領探討，加上生動活潑的描述法，讓人們深刻體會到從不同的角度就能推論出不同的結果，如同大家深感大腦之複雜，作者就針對複雜做了描述，答案要看你用什麼角度看待這個問題。如此看來，人工智慧也並不是複雜到無法實現，而是需要對我們人類本身有更深刻的知覺與認識，藉由這些認識，幫助人類建立更多工具（如機器人）來節省人們更多時間和降低工作上的危險，還能大大地加深和人們互動的能力（如當今熱門的Pepper Robot），可以為人們帶來歡樂，也可以勝任祕書等種種事項，更能讓機器人學會做各式各樣的瑣事來讓護理師們能大量減輕她們繁雜的工作項目，能幫助她們專心於人性關懷上才是。

　　本書非常值得深讀，就讓作者引領我們一探智慧的樣貌，這林林總總不勝枚舉的大腦、意識、思想、身體結構、研究工具介紹，能為讀者帶來一番全新的體驗及感受，期盼大家將來都能為這社會發揮自己擅長之處，開發各種更有智慧的工具來幫助這個社會。我想，這才是作者撰寫此書，心中殷切的期盼與傳承。

〔推薦序〕

人腦vs.電腦：智慧究竟是什麼？

于天立 / 國立台灣大學電機系助理教授

　　許多學者認為在21世紀人工智慧將會有重大突破。為何這樣認為呢？其一是網際網路的蓬勃發展，造成了大數據，使得學習範例充足。其二是分子生物、神經科學的發展，促成認知學延伸至認知神經學，使我們更能了解大腦的功能（如果如大部分學者所相信的，大腦是認知的中樞）。您可能知道約翰．希爾勒（John Searle）將人工智慧分為「弱人工智慧」及「強人工智慧」（本書內有描述）。大數據有助於弱人工智慧的發展，也就是讓電腦能做到人類所能做到的事，而...

前言

第1章 史上知名的思想實驗
思想實驗1：地質學的隱喻
思想實驗2：光速行進
大腦新皮質的通用模型

第2章 思考的思想實驗

第3章 大腦新皮質模型──思維模式辨識理論
模式的層級
模式的結構
流向大腦新皮質模式辨識器的數據本質
自聯想和不變性
學習
思想的語言
夢的語言
模型的根源

第4章 生物的大腦新皮質

第5章 舊腦
感官路徑
視丘
海馬迴
小腦
快樂與恐懼

第6章 新皮質的卓越能力
天分
創造力
愛情

第7章 建構數位新皮質
模擬人腦
神經網路
稀疏編碼：向量量化
利用隱藏式馬可夫模型解讀你的思維
演化（遺傳）演算法
列表處理語言LISP
層級記憶系統
人工智慧的尖端領域：在能力上逐步提升
創造一個人工大腦

第8章 電腦的思維

第9章 思維的思想實驗
誰是有意識的？
你必須有信念
我們到底意識到什麼？
東方是東方，西方是西方
自由意志
本體意識

第10章 加速回報定律的威力

第11章 反對聲浪
後記
致謝
注釋
譯名對照

前言

第1章 史上知名的思想實驗
思想實驗1：地質學的隱喻
思想實驗2：光速行進
大腦新皮質的通用模型

第2章 思考的思想實驗

第3章 大腦新皮質模型──思維模式辨識理論
模式的層級
模式的結構
流向大腦新皮質模式辨識器的數據本質
自聯想和不變性
學習
思想的語言
夢的語言
模型的根源

第4章 生物的大腦新皮質

第5章 舊腦
感官路徑
視丘
海馬迴
小腦
快樂與恐懼

第6章 新皮質的卓越能力
天分
創造力
愛情

第7章 建構數位新皮質
模擬人腦
神經網路
稀疏編碼：向量量化
利用隱...