如何賦予電腦智慧？圖靈早在一九五○年的〈計算機與智慧〉論文中就提到這個目標。該論文也包含了現在非常著名的圖靈測試，它是一個可以用來確認一個人工智慧是否已經與人相當的測試。馮紐曼在此書中介紹完馮紐曼架構以後，轉而檢視人腦本身。人腦終究是智慧系統的最佳範例。若我們能學會人腦的運算方法，我們就能用這些生物啟發的模型來建造更多智慧機器。這本書是第一本透過數學家與電腦先驅的觀點認真探討人腦的書。在馮紐曼之前，電腦科學與神經科學領域毫不相干。
諷刺的是，這一本二十世紀最聰明的數學家之一，同時也是電腦時代的先驅的遺作是在探討智慧本身。此書原本預期是要在耶魯大學以一系列的講座呈現，但因癌症的摧殘，馮紐曼並沒有上台演講，也沒有完成演講的原稿。儘管如此，原稿依然非常傑出，並如先知般預告了我所認為人類最艱鉅也最重要的工作。
從電腦科學角度探討神經科學第一人
馮紐曼一開始先清楚描述電腦與人腦之間的差異與相似處。考慮到他是在一九五五與一九五六年寫的，此講稿異常精準，尤其在對比電腦與人腦相關的細節上。他指出了神經元的輸出是數位的：軸突只有發射或不發射兩種狀態。在當時並非顯而易見，因為輸出也有可能是類比訊號。而從樹突連結到神經元以及在神經細胞體中的處理程序卻是類比的。他將這些計算描述為有閾值的輸入加權總和。這個描述神經元如何運作的模型促使連結主義這個領域的形成。連結主義系統的硬體與軟體都是以這個神經元模型為基礎。而第一個連結主義系統是在一九五七年由法蘭克．羅森布拉特在康乃爾大學所建立，該系統以軟體的形式存在於一台IBM 704電腦上。
對於神經元如何結合輸入，我們現在有更複雜的模型了，不過基本概念還是不變：樹突上的輸入是透過神經傳導物質濃度做類比處理。我們不會期待馮紐曼在一九五六年能將神經元如何處理資訊的細節都正確描述，但這些用來堆疊他論點的關鍵要素至今還是站得住腳。
馮紐曼運用計算通用性的概念得到的結論是，儘管人腦與電腦的架構與構件看來大不相同，我們依然可以做出馮紐曼機能夠模擬人腦程序的結論。然而相反的論述卻不成立，因為人腦並非馮紐曼機，且並無真正的內儲程式。人腦的演算法或方法是隱含在其構造中。
馮紐曼正確的斷定神經元可以從輸入的模式中學習，而現在我們知道這是編碼在神經傳導物質的濃度中。而在馮紐曼的時代還不知道的是，學習也透過神經元之間連結的建立與破壞在進行。
馮紐曼指出神經處理訊息的速度極慢，約莫每秒一百次計算，但人腦透過龐大的平行處理功能來彌補速度上的弱點。人腦中1010個神經元中的每一個都在同步處理訊息（這個數字也相當準確。現今的估算在1010與1011之間）。事實上，每一個連結（平均每一個神經元有103個連結）都在同步執行運算。
有鑑於當時神經科學還在剛起步的狀態，他對神經處理的估算與描述尤其出色。唯一一個我不認同的描述是馮紐曼對人腦記憶容量的估算。他假定人的大腦能夠記得一生所有的輸入。六十年大約為2×109秒。以每秒十四個輸入訊號至每個神經元（這個估算實際上至少低了三個數量級），並有1010個神經元執行計算，他估算大腦的記憶容量約有1020個位元。事實上我們只記得我們的經驗與想法中很少的一部分，且這些記憶不是以低階的位元樣式（如視訊影像），而是一連串的高階樣式存在大腦中。我們大腦皮質中的樣式識別器是依不同層級安排，有些識別器是用來識別特定的構造，如大寫「A」中的橫，或者下方的凹。這些存在於新皮質的低階識別器將識別出的結果傳給更高階的樣式識別器。在那個層級，識別器可能認識特定印刷字體如「A」。在更高的層級，可能會開始識別單字，如「Apple」。在皮質層的另外一區，同層級的識別器也許能認得該物體，一顆蘋果。而在另一個區塊，識別器也許認得唸出單字「Apple」的聲音。在更高的概念層級，某識別器可能會認為「這真好笑」。我們對事件於想法的記憶是以這些高階識別組成。當我們喚起某個經驗的記憶時完全不會有等同於影片在我們腦中播放的體驗。我們會回想起一連串上述的高階樣式。我們要重新想像那個經驗才能填入沒有清楚記得的細節。
你可以透過回想一個最近的經驗來證明給自己看，例如上次去散步的情形。當時的情形你可以記得多少？你遇見的第五個人是誰？你有看到嬰兒推車嗎？郵筒？你轉第一個彎的時候看到什麼？如果你有經過一些商店，第二個櫥窗內有什麼？或許你能從你所能記得的些許線索中拼湊出這些問題的答案，但大部分的人並沒辦法完整地回想整個過程。而機器事實上則可以輕易地回想，而這正是人工智慧的優勢之一。
在這本書中只有少數的論述是我認為與我們現今的理解有很大的出入。我們在今天還無法完美地描述大腦，所以我們也不會期待一本一九五六年出版，反向研究大腦的書能做到。但儘管如此，馮紐曼的描述卻很驚人地跟得上時代。而他用來建立結論的細節依然合理。在他描述大腦中的每個機制時，他說明了現代電腦如何在表面上看來如此不同，卻能完成相同的運算。大腦的類比機制可以透過數位機制模擬，因為數位運算能夠模擬類比值至任意精準度（而類比資訊在大腦中的精準度滿低的）。
大腦龐大的平行模式也能透過電腦顯著的速率優勢，利用序列運算模擬出來（而這個優勢自此書撰寫至今已經大幅擴大）。另外我們也可以透過使用平行馮紐曼機在電腦中進行平行處理。現代的超級電腦正是這樣運作的。由於我們可以很快速地做決策，但神經元計算的速度卻非常慢，馮紐曼斷定大腦的方法一定不包含冗長的循序演算法（sequential algorithms）。在棒球比賽中，當三壘手決定要傳球到一壘而非二壘時，他是在極短的時間內做這個決策。這時間僅能讓每個神經元運作少少幾個週期（即神經迴路處理一次新輸入所需的時間）。馮紐曼正確的斷定大腦強大的能力是因為一百億個神經元能夠全部同時處理訊息。近年在反向研究視覺皮質的進展確認了我們能在短短三四個神經週期內就做出複雜的視覺判斷。
客製專屬滑鼠墊、可愛造型L夾、L型資料夾、透明證件套、手提袋，專業印刷設計廠商!
通過SGS環保認證，無毒無害 環保材質符合歐盟RoHs、REACH認證
貨櫃屋優勢特性有哪些?由於貨櫃屋［可移動／施工快速／可組裝、堆疊（延展性高）／可回收／未來擴充便利］等特性，二手貨櫃屋已普遍被應用於展場活動、居家住宅、工業商辦上。
總是為了廚餘煩惱嗎？
票選推薦煮婦最愛手壓封口機,省荷包不犧牲品質
意信臻專營：封口機、各式包裝機械、專業製造、全省批發零售
雅高環保提供最適用的廚餘機，滿足多樣需求。
大腦有相當大的可塑性，也因此我們能夠學習。但電腦有更大的可塑性讓其可以透過更換軟體完全改造其方法。也因此電腦可以模仿人腦，反之則不然。
當馮紐曼將大腦強大的平行架構的能力與他的時代的少數幾台電腦做比較，很明顯地大腦比一九五六年的電腦強大許多。模擬人類大腦功能性的速度的較保守估計約為每秒1016個運算，而今天，第一台可滿足這個速度需求的超級電腦正在建造中。我預計能夠達到這種運算等級的硬體在二○二○年代初會要價美金一千元。雖然此手稿是在電腦史上極早期的時候寫的，馮紐曼仍然有信心人類智慧的硬體與軟體終究會出現。這也是他準備這系列演講的原因。
馮紐曼深深了解進步的腳步愈來愈快，也知道該進步對人類未來的深遠影響。
一九五七年，馮紐曼過世後一年，同為數學家的烏拉姆（Stan Ulam）引述馮紐曼的話說：「不斷加快的科技進展以及人類生活模式的改變，給人一種我們正在接近人類史上某個本質奇異點，而過了這個點，一切我們所知的人類事務將無法繼續。」這是「奇異點」這個詞首次用於人類史的脈絡中。（摘錄自雷．庫茲威爾為本書撰寫之序）
書名 電腦與人腦：現代電腦架構之父馮紐曼的腦科學講義
馮紐曼（John von Neumann）／著；廖晨堯／譯
貓頭鷹出版
售價：350元
作者簡介
馮紐曼（John von Neumann）
數學家、理論計算機科學與賽局理論的奠基者，曾參與曼哈頓計畫，與愛因斯坦等人同為普林斯頓高等研究院的創始教授。完成現今最廣泛使用的電腦架構（馮紐曼機），也參與第一部超級電腦EDVAC的組成。晚年對腦科學以及人腦的運作方式產生濃厚興趣。
https://www.ithome.com.tw/article/144700
空壓機這裡買最划算!
晨達空壓機秉持著專業空壓機技術、優質快速服務、空壓機合理價格。為您解決工作中需要風量、風壓的問題。
全自動飲水機與一般飲水機差異在哪?
推薦各種冰溫熱開飲機飲水機:台銀採購契約飲水機、日本進口電解水機系列、落地型飲水機
SMD electronic parts counting machine
累積多年設計生產 Embossed Carrier Tape承載帶的實際經驗，專為電子主、被動零件設計、包裝、製造、改良承載帶、奠定了良好基礎
幫你考照過關，堆高機裝卸操作教學影片大公開 !
上千家公司找到最適合的堆高機搬運方案，專業的規劃與完善的售後服務，讓孚克力堆高機與各大知名廠商建立長期合作。
Orignal From: 為IT時代奠基的數學家
沒有留言:
張貼留言