我為什么要寫這篇文章？我們為什么要了解人工智能的原理？上網搜一下百科不就可以了嗎？

第一，我本意并不想研究人工智能，但是人工智能的研究順帶促進了對人腦的研究。而我則是想要了解人腦的工作原理，而順帶了解了一些人工智能的入門知識。

第二，在了解人工智能相關知識的過程中，我發現了一個看似簡單但卻意義重大的現象：螞蟻可以感知汽車和高樓大廈存在于這個世界上，但螞蟻卻不能知曉并理解汽車和高樓大廈是如何被創造出來的。想過為什么會這樣嗎？

第三，正常人都希望生活越過越好，最好能夠瞬間暴富、實現階層躍遷。讓生活越過越好、的源動力來自哪里呢？兩個字：智能。智能又是什么呢？

人工智能這個概念是50年代被首次提出的，對于專業人士，你們盡管去科學定義這個詞。對于普通人，我們可以理解為“人造的智能”，甚至進一具象化為“人造的智能工具、設備、或者系統”，比如電腦和手機。

如何開發人工智能？科學家和技術人員想出了不少路線，其中一條很好理解：模仿人腦。原本在醫療領域，人類就一直在研究人腦的相關機理與病癥，畢竟腦子也會生病。

而人工智能的順道促進，也推動了認知科學的發展。通俗地講，認知科學就是研究大腦是如何思考的、如何學會說話的、如何辨別你看到的東西是什么，等等內容。

現在，重點來了：根據科學家幾十年的研究，人腦中的最基礎的功能單位叫神經元，大腦的感知與思考完全靠神經元來處理信息。

人腦中以前說有一千億個神經元，現在據說研究得稍微精確一點，有860億個神經元。為了簡單一點，后文我們四舍五入近似理解為一千億個。再據說，每一個神經元與其他大約一萬個神經元直接相連。

神經元可以近似理解成三部分組成：接收信息的部位（科學名字叫“樹突”）、處理信息的部位（科學名字叫“細胞體”）、往外發出信息的部位（科學名字叫“軸突”）。

有人打比方說，人腦像一臺電腦。以前我也是這么說的，現在發現這個說法大錯特錯。一個神經元就可以近似理解成一臺電腦，而人腦則應該打比方為一個由大約一千億臺電腦連接組成的超級機房。

說這么多貌似和普通人也沒什么關系的內容又要干嘛？這是為了說明：對于任何一個健康狀況良好的人，都擁有一個在這個星球上計算能力無比強大的超級機房。

根據現有的信息，人腦的運行方式可以近似描述成“分布式儲存和讀取”模式。什么叫分布式？就是一個神經元作為最基礎的大腦功能單位，儲存了一定的信息，比如一個概念：“我”，或者“吃”等等。

每一個健康人從嬰兒時期成長到成年時期，無時無刻不在接收各種信息，只是睡覺的時候接收的信息有沒有被儲存起來，真不知道，抱歉！

這里順便插播一則育兒知識：嬰兒從一出生開始，如果指望將來腦子更好用的話，家人應該每天在嬰兒旁邊說話。嬰兒在出生以后的最開始幾年時間內，接觸的語音信息，也就是家人所說的話，越多越好。現在物質條件好了，家長覺得說話太累，也可以考慮播放音頻文件的方式，從童話故事到三字經到哈佛大學公開課，只要是積極健康的就好。

回到主題，剛才說為什么叫“分布式”，就是因為人腦有一千億個神經元，一個神經元儲存一點信息，一萬個神經元就儲存了一萬條信息，我們就理解為“這一萬條信息分布在一萬個神經元內”。

生活中我們會發現，有的人做事很有條理，比如把自己的辦公桌整理得井井有條，文具放在一個地方、書本放在一個地方、電子產品放在一個地方、充電線整理得清清爽爽，等等。

如果一個人思維很有條理，那么新學到一句話的時候，這個人會主動把這句話分解成一個一個單獨的概念，讓組成這句話的基本單位元素“分布儲存在多個神經元內”。比如，“我要吃飯”這句話，可以先拆出三個比較具體的概念：“我”對應儲存到一個神經元；“吃”對應儲存到一個神經元；“飯”對應儲存到一個神經元。這就完成了“分布式儲存”。

順便說一下，思維沒條理的人其實也是這樣儲存信息的，只是自己沒有意識到而已。

當這個人肚子餓了之后，對父母親說“我要吃飯”，過程就是這樣的：大腦中存儲“我”這個概念的神經元、存儲“吃”這個概念的神經元、以及存儲“飯”這個概念的神經元，同時被激發、同時將信息傳送出去，瞬間抵達嘴巴里講出來。這就是所謂“分布式讀取”。

大家有沒有意識到前面提到的一個重要的細節信息：據說一個神經元和其他一萬個神經元相連接。如果聯想到這一點，說明你的“分布式讀取”能力還是挺強大的。

我沒有查到人腦究竟可以同時調動使用多少個神經元，但是假設一次只刺激一個神經元，它也和一萬個其他神經元相連接。而目前科學研究發現，大腦神經的信息傳遞速度為120米每秒，而人腦的大小如果不用毫米作為長度單位，至少也應用厘米吧。換句話說，神經元之間信息傳遞的時間可以理解為“瞬間”。

那么，當人腦子里想到一個概念的時候，這個概念所在的神經元可以瞬間發送刺激到與其相連的一萬個其他神經元，瞬間激活了那一萬個神經元內儲存的概念信息。而那其他一萬個神經元，每個又與其他一萬個神經元相連，可能繼續傳遞這個刺激。那么在短短一秒鐘的時間里，理論上可以有不知道多少萬個、甚至多少億個神經元被刺激過了。

這就是我們大腦強大的真正原因！接收信息時，同時實現分布式儲存；回憶東西、思考問題時，同時實現分布式讀取，而大腦內部信息傳遞時間接近于零。這也就解釋了為什么我們在看到一個東西的時候，可以瞬間聯系到另一個事物，甚至另幾個事物。

我們平時做一件事情，可以近似地理解為一個“利用原材料進行排列組合”的過程。比如炒個菜，就是將調味料和各種食材排列組合一下，按照特定的方式和順序，放在鍋里輸入能源加工一下。

那么，“思考”這件事情，不就是把大腦里儲存的各種“概念”排列組合一下，最后得出我們需要的“解”嗎！

換句話說，一件事情有辦法解決，就是我們通過“思考”，將大腦里的“概念”排列組合出至少一套解決方案；而所謂的“無解”，要么是缺一個或者幾個“概念”，導致“排列組合”這個類似拼圖的過程缺少元素，要么就是“排列組合”本身做得不夠好，最終導致排列不出一個解。

這里的“概念”，就是我們平時所說的“知識”，要么讀書、要么實踐、要么別人教、以及其他方式，總之就是從各種渠道獲得的有用的信息。

這里的“排列組合”，就是我們平時所說的“思維方式”，就是運用知識的方法，就是排列組合各個單一知識點或者個體“概念”的方式方法。

最終，知識（概念）加思維方式（排列組合）加大腦（底層硬件）就等于文章最開始提到的兩個字“智能”。

以上的科學研究的推導再次證明了前面說的一個重要結論：我們的大腦極其強大！它可以同時讀取數以萬計、甚至數以億計個神經元，瞬間實現數量龐大的“概念”的多種“排列組合”。這個能力是今天絕大多數電腦都不具備的：單核心電腦一次只能讀取并計算一個東西，它之所以強大，在于速度快，一秒鐘可以計算數億次。

文章開頭提到的第二點，為什么螞蟻可以感知一個有汽車和高樓大廈的世界，卻不能理解汽車和高樓大廈，更加不能理解怎樣建造汽車和高樓大廈呢？

首先，螞蟻是有大腦的。但是，螞蟻的大腦大約有25萬個神經元，也有人說有50萬個。那么即使往多里算，50萬和1000億，是什么概念？100萬和1000億是10萬倍的差距，螞蟻大腦和人類大腦就是20萬倍左右的神經元數量的差距，按照十進制來描述，就是5個數量級的差距！

其次，螞蟻接觸外界信息的渠道也遠遠少于人類。我們至少可以通過聽覺、視覺、觸覺、味覺、嗅覺等方式接收外界信息。比如人類的視覺據科學研究結果表明，有2億像素，可以“近似”理解為19200乘以10800分辨率，這是普通高清顯示屏（1920乘以1080）的多少倍呢！

由此可以得出，螞蟻不光大腦的“硬件”基礎和人類差了5個數量級，而且能夠接收的信息量也和人類差了不知道多少個數量級。因此，螞蟻的整體“智能”也就差了人類好多個數量級。

“智能”的數量級的差距，就是螞蟻不能理解、更加不能造出汽車和摩天大樓的根本原因。同理可得，人類可以感知自己生存在地球之上，卻暫時無法理解地球是怎么被創造出來的，更加無法去建造一顆行星，就是因為人類的“智能”距離理解地球和造出地球的水平，還差了不知道多少個數量級。

我們可以用第一性原理的思維方式倒推，要理解地球進而創造地球，“智能”不夠的根本原因可能來自三方面的限制：知識量，思維方式，以及底層硬件能力；目前可能以上三方面都不足，或者兩方面不足，或者某一方面不足。

作為人類整個族群而言，目前這個階段，理解地球和創造地球的需求并沒有特別迫切。但是理解很多疾病、很多社會經濟問題的需求，卻非常迫切。要找到解決疾病和各種社會經濟問題的“解”，就是要從知識量、思維方式、以及底層硬件三方面著手，提升整個人類社會的“智能”水平。

那么，這一切和普通人有什么關系？關系就在于，普通人掌握了這個原理之后，通過適當積累，人生中很多事情就“有解”了。

普通人的需求其實比較簡單，甚至可以簡化為一個字：錢。因為普通人的大多數需求都與掙錢和花錢相掛鉤。當然，普通人也有可能遇到錢解決不了的問題，比如孩子怎么教育都不愿意好好學習，比如某些疾病，比如已經非常有錢了但卻找不到合適的對象，等等。

無論我們的問題與錢有沒有關系，讓問題“有解”的根本，就在于“智能”的水平。當“智能”升高一個維度以后，低于這個維度的一切問題，都講理論上“有解”。這也是“降維打擊”的一種體現。當然，為了表明我是個嚴謹的人，這里說了，是“理論上”有解，實際上能不能“解”，還要看各種條件是否具備。

就大多數普通人在大多數情況下最想解決的問題“掙錢”而言，有沒有“解”，本質上就是看一個人的“智能”水平達到了哪個“錢數”的水平。

比如，按照今天我們社會的工資水平，在全國任何地方要掙兩千元一個月，只要是個年齡合適的健康人肯定都沒問題。兩千元每月這個水平對應的“智能”水平，絕大多數人都有了。那么，一年掙十萬、一百萬、一千萬元，對應的是什么樣的“智能”水平呢？

上網搜呀！各大招聘網站大概可以告訴你年薪十萬到百萬級別的工作崗位，上市公司發布的年報都包含高管薪酬待遇，應該可以找到千萬級別的；如果沒有，就看看公司的總利潤有沒有達到千萬級別。

如果想成為首富呢？“解”當然是有的，只是到了這個級別，“解”本身已經不重要了，運氣更加重要。

那么，最終怎么才能把十萬、百萬、千萬年薪（或者年收入）拿到手呢？請啟動各位大腦的“分布式讀取”功能，用瞬間的速度讀取前文的一段信息：知識（概念）加思維方式（排列組合）加大腦（底層硬件）就等于“智能”。

首先，最振奮人心的消息是，底層硬件每個健康人都有，而且功能極其強大，其真正的運行能力，在目前的地球上僅有極少數幾臺超級計算機能夠相比。

其次，思維方式這個東西我在前面的文章《人生進步的根本驅動力：思維的維度》中詳細探討了。

最后，知識的獲取，除了讀書以外，千萬不要忽略其他途徑：聽覺、觸覺、味覺、嗅覺等等。這些不僅僅是我們獲取知識的渠道，而且它們本身就可以成為創造價值的途徑。比如樂器和音響的調音師，是不是就是靠聽覺掙錢的！

因此，上述倒推的推理方式（也就是第一性原理的思維方式），我們正過來敘述，就能把一切問題“求解”的通用“公式”表達出來。

通過視覺、聽覺、觸覺等一切渠道來獲取信息，將信息分解為一個個單獨的概念，分布式儲存在大腦的一個個神經元內。在遇到一個需要求解的問題時，瞬間掃描無數個神經元、分布式讀取適用的神經元內儲存的概念，在大腦中瞬間排列組合、并得出一個、兩個、甚至更多個候選解。

以上過程重復幾遍，如果有且僅有一個解，那么也只能按照這個來辦；如果超過一個候選解，那么權衡利弊選擇最優的一個。

以上過程合并起來叫做四個字：“學習”與“思考”。目的是兩個字：“求解”。

關于學習，我們需要再次反復地強調一個原理：復利增長原理，也可以理解為指數增長原理。當大腦越來越多的神經元內，儲存了越來越多的概念（也就是知識），那么可以進行的“排列組合”的次數就會指數級的增長。可以進行的“排列組合”的次數越多，那么能夠“求得解”的機會就越大，或者能夠得出的“候選解”的數量就越多。最后，就能獲得“最優解”。

因此，無論發財致富還是做成一番事業，不要以為自己做不到是因為“無解”，更不是不可能。“解”從來都有，只是你不知道而已，是你的“智能”維度沒有升級到那個級別而已。這，就是“書中自有黃金屋”的根本道理。只是我們這里將知識獲取的途徑，從單純的讀書擴展到更廣闊的渠道。

多說一句，從大腦工作原理角度來講，真正有效的教育方式，正是“填鴨式”教育：給更多神經元填上概念（知識）嘛！這種教育方式的核心技術，反而不在教育本身，而在于引導興趣，讓受教育對象自愿接受填鴨，最好是自己主動填鴨自己。

好像搞了半天都沒說清楚人工智能的原理哦。類比不就行了！目前的人工智能領域，正在發展一種叫做神經網絡計算的東西，就是類似于把一臺電腦當作一個神經元，將很多很多臺電腦連接成一個網絡，把這個整體模擬成我們的大腦。

然后通過編寫計算機程序，讓這個神經網絡進行所謂的深度學習，希望通過類似于“生物進化”的過程來讓這個神經網絡（歸根結底也就是人工智能）成長到具備我們人腦的各種能力。

這個技術過于尖端，大家只需知道原理就好。我們普通人需要的，是掌握先進科技背后的通用性原理，來為我們自己的事情求解。這也是這篇文章的根本目的。