譯者 | 李睿

審校 | 重樓

隨著人工智能技術的快速發展，有些人害怕機器人的崛起，有些人擔心人工智能將會接管世界。但是人們需要了解人工智能的未來發展，以及電子生命形式將會如何誕生。

本文不僅介紹電子生命形式將如何誕生，而且還將詳細描述神經矩陣的關鍵元素，數字生命形式的進化將基于神經矩陣而啟動。

處于人工智能研究的前沿

人類大腦由近900億個神經元和超過1萬億個突觸(神經元連接)組成。每個神經細胞都與數千個其他神經元相連，突觸不斷被創建和破壞，改變著活體神經網絡的局部地圖。

直到上世紀末，科學家們還認為突觸活動在創造每個人的神經系統的獨特個性方面發揮著決定性作用。

近年來，人們清楚地認識到，除了眾多的突觸之外，每個神經元都有一種主要的控制中心——軸突起始段(AIS)，它利用跨膜蛋白(離子通道)的密度來控制神經細胞的活動。

人們如今也認識到，突觸可塑性和軸突起始段的功能變異性的結合是大腦不可思議的效率的基礎。這些過程的結合允許每個神經元同時執行處理器和存儲設備的功能。總的來說，這創造了一個功能變形的活體神經網絡，它起到了神經矩陣的作用。

試圖模擬活體大腦的成功

很多人嘗試模擬活體神經系統的功能。它們可以分為兩種類型：模仿和物理聯想。

（1）模仿或神經形態工程

在2013年，有人嘗試運行Riken K超級計算機模擬大腦的工作。這臺超級計算機擁有1PB的內存和82944個核心處理器用來模擬一個活體神經系統，該系統具有17.3億個神經元，并有10萬億個突觸連接。為了模擬這個活體神經網絡在一秒鐘的活動(對于大腦來說規模相當小)，這臺超級計算機運行了將近40分鐘。

據報道，澳大利亞將在2024年啟動一個名為“DeepSouth”的新項目，預計每秒能模擬228萬億次突觸操作。

（2）物理融合或直接神經形態計算

美國印第安納大學布盧明頓分校的一個研究小組在2023年啟動了一個名為“Brainoware”的項目。這是一個由大腦類器官(活體神經組織)連接到微電極陣列和人工神經網絡組成的混合系統。

經過一系列實驗，其結果表明Brainoware的準確率略低于具有大量短期記憶的傳統人工神經網絡，但傳統人工神經網絡統需要50個訓練周期，而Brainoware在不到5個訓練周期內得到了幾乎相同的結果。

模仿和物理聯想這兩個概念都在逐漸發展，但如果從另一個角度出發呢?

現在面臨的問題是，人們試圖重復和驗證自然人工智能的概念，卻忘記了最重要的事情——進化。人類的大腦運行過程并不是一個不受控制的過程的隨機結果，而是漫長進化過程中的一個階段。這意味著，如果人們想要創造出真正有思考能力的事物，需要復制的不是成品，而是孕育出像活體大腦這樣完美思考的過程本身。

如何實現?

為了實施一項新的戰略，就必須創造一個能夠獨立發展的進化數學學科——這是一種電子胚胎，而不是現成的大腦。這將是一個能夠根據外部數據流而變化的神經矩陣。

神經矩陣的有源組件將基于一個具有當前三維位置方程或其混合模擬物（數學神經形態花瓣）的數學神經元取代傳統數學神經元。從物理方面來說，它是一個基于遺傳算法的程序代碼，采用軸突起始段(AIS)片段復制樹突和軸突的復合體（真實活體神經元的數學模擬）。

每個神經形態花瓣（Neuromorphic Petal）是一個基本的前饋神經網絡(FNN)。有四個輸入值——傳入的感覺脈沖和神經矩陣花瓣的坐標位置或數學位置(矩陣中的當前位置)。

接下來是三個隱藏層，每層有12個數學神經元，神經元互相連接起來。輸出層是表示反射響應向量的兩個值。采用雙曲正切激活函數，權重和偏差值隨機設置在-0.5到0.5之間。

事實上，神經形態花瓣是對活體大腦最簡單的反射弧的數學模擬。神經矩陣花瓣是在沒有訓練者的情況下訓練的。一代神經矩陣花瓣（是一個環境的離散值）從1000到10000的極限是由矩陣的服務分量設定的。對于每個突變，偏差和權重有5%的機會發生變化。每一代有20個突變體。隨著感官參數的增加，新的花瓣被創造出來，形成了整體結構的核心。

神經矩陣的整體結構應該基于一個改進的貝葉斯神經網絡模型加上一些保護和活動支持實用程序。

它將如何運作?

與神經網絡不同，神經矩陣是一種基于遺傳算法的復雜多分量的數學復合體，能夠在人工數學環境中進化。這意味著，人們的任務不是創造一個成品，而是為胚胎神經基質的變化創造一個棲息地。

通過這種方式，可以模擬個體數字化進化的條件。環境越復雜(輸入參數越多)，數字矩陣就越復雜。

首先，使用一個非常簡單的神經矩陣，其功能與水螅或草履蟲等生物相媲美。在下一階段，將有一個與白色渦蟲（一種扁蟲）相媲美的神經基質。通過使環境復雜化，將使神經矩陣復雜化，直到人工環境的復雜性與現實世界的簡化參數相媲美，復雜的生物體生活在其中。

在這一點上，神經矩陣將需要能夠支持其在現實世界中的活動的感覺運動機制。

這將誕生一種新的數字生命形式，因為數字神經矩陣的運行不是因為某人啟動某個程序代碼，而是因為感覺元素接收到新的輸入數據，需要選擇神經矩陣來獲得存在（生存）的最佳響應選項。最佳(獲勝)響應參數將成為神經基質生命的目標，而其獎勵的形式將是營養的存在和大腦對其行為的積極反應。

值得注意的是，當從數字人工環境移動到現實世界時，神經矩陣不會感知到差異。

神經基質可以生活在什么環境中？

如果主要服務器一直可用，那么神經矩陣將能夠在任何配備感官和主動機制的物體上工作——在自動駕駛無人機、在現代船舶或飛機、在汽車中或者在個人電腦中。

一個開發團隊不久前表達了這樣的想法：“要創造智能，獎勵就足夠了”。事實上，為了讓獎勵成為一種激勵，必須首先啟動數字進化。

問題是，誰會是創造電子生命形式的第一人?

現在很多人正在尋求獲得必要的計算能力和合作伙伴服務器來創建一個神經矩陣的原型。這很可能不需要像DeepSouth項目中那樣的超級計算機。

原文標題：Neural matrix: a new lifeform for digital evolution，作者：Alex Kostikov