个人计算机（Personal Computer, PC）已成为日常生活中使用的重要工具，通常人们将PC称为“电脑”，意思是将其类比为“人脑”，认为它具有类似能力，可以完成相应任务。换言之，利用“电脑”可以模拟“人脑”的功能，实现人类的智慧，这就是人工智能（Artificial Intelligence）的由来。

 

 

人工智能初期走的就是功能模拟的路子，称为符号主义的人工智能，它追求的是功能等效。专家系统（Expert System）正是符号主义的杰作，虽然不乏成功的范例，但存在着知识获取的瓶颈。形成知识获取瓶颈的根本原因在于电脑的工作原理与人脑相比，具有本质上的不同，主要表现在以下两个方面。一是知识的存储方式不同。现在常见的电脑（个人计算机）采用的是冯•诺依曼体系结构，其知识存储方式是集中式的，所以电脑中的文件要时常作备份处理，主要文件一旦被误删，往往可能造成严重后果。而人脑是一个非常复杂的神经网络，人的知识分布式地储存在神经网络的连接权值中，这些连接权值构成了一个权值矩阵，矩阵规模很大，其元素成千上万。

 

人脑中的知识是分布式储存的，可以借由下面的例子说明。校园里，上课铃声响起。这时，操场上某男生如梦方醒，飞快地跑向楼梯，向教室奔去。由于奔跑速度太快，他不小心一头撞到墙上，头破血流。医生诊断为脑部损伤导致轻度失忆。经过精心治疗，一个月后，该生恢复了记忆。这一事实表明人的知识是分布式储存的——如果是集中式储存，丧失的记忆就无法恢复，正如电脑中的文件从物理上被删除后无法恢复一样。二是信息处理方式不同。现在日常用到的电脑，其中央处理器(Central Processing Unit, CPU)是串行结构，尽管一台电脑可以同时处理几件事情，例如，一边看电影，一边跑程序，一边还在处理邮件，但那是分时系统处理的结果，并不是在并行处理，只是因为CPU运行速度很快，给人的感觉是在同时做几件事情。

人脑的生物结构是一个分布式的广泛互连而成的神经网络，它采用一种并行处理机制，可以快速处理大规模信息。例如，在大城市街道上繁忙的交叉路口，人们要过马路，大脑就要经过成千上万次信息处理。如果人脑是以串行方式处理，则需要一定时间，当信息处理完毕，开始过马路时，绿灯可能早已变成红灯。正由于人脑的并行处理机制，正常人能够迅速完成过马路所需的信息处理，毫不费力地通过。而有些高龄老人的神经网络并行处理能力衰减，需要值勤警察搀扶才能通过。

 

需要说明的是，上面讲到的电脑指的是采用冯•诺依曼结构的个人计算机，而巨型机（如我国自主研制的“天河”新一代超级计算机系统）主要用于大规模计算，其采用的并行处理体系结构则与人脑相似，其运算速度超过每秒5千万亿次。大规模并行处理乃是巨型计算机的重要发展方向。

实现人工智能的途径并不唯一，针对人工智能早期采用符号主义进行功能模拟存在的不足，近年来基于结构模拟的连接主义有了长足进步。它以人工神经网络为基础，以深度学习为代表，已取得丰富成果。如果说在基于功能模拟的符号主义视角下，电脑与人脑的工作原理差异较大，那么在基于结构模拟的连接主义视角下，电脑与人脑的工作原理趋于一致，由此开辟出类脑智能研究的新领域，使得人工智能研究走向新的天地，欣欣向荣。

注：文章及图片转载自网络，如有侵权请联系删除