開始 對 大腦 有 真正 的 瞭解 。 在 商業 上 ， 時機 很 重要 ， 不過 在 當時 ， 我 很 失望 。 我 通常 會 去 找 阻力 最 小 的 路 以 達成 目標 。 在 英特爾 研究 大腦 應該 是 最 簡單 的 方法 ， 既然 這 條 路 斷 了 ， 我 開始 找 第二 條 路 ， 我 決定 進 麻省理工 學院 （ MIT ） 的 研究所 。 麻省理工 學院 以 人工 智慧 的 研究 著稱 ， 而且 就 在 公司 旁 的 同 一 條 路 上 ， 看起來 似乎 是 個 挺棒 的 計畫 。 我 有 很 好 的 電腦 訓練 嗎 ？ 「 有的 。 」 我 有 建造 智慧 機器 的 渴望 嗎 ？ 「 有的 。 」 我 想 先 研究 大腦 看 它 是 怎麼 運作 的 ？ 「 嘸 ， 這 可能 有 問題 。 」 最後 這 個 目標 ， 想要 瞭解 大腦 如何 運作 ， 看 在 ＭＩＴ 研究 人工 智慧 實驗室 的 科學家 眼 中 ， 會 有 問題 的 。 我 好像 老是 在 碰壁 。 ＭＩＴ 是 人工 智慧 的 母艦 ， 當 我 申請 時 ， 那裡 有 幾十 個 絕頂 聰明 的 傢伙 沈迷 於 設計 程式 、 使 電腦 產生 智慧 行為 。 對 這些 科學家 來 說 ， 視覺 、 語言 、 機器人 理論 和 數學 都 只 是 程式 設計 上 的 問題 ， 電腦 可以 做到 所有 人腦 可以 做 的 事 ， 而且 還 更多 ， 所以 幹麼 自我 設限於 自然界 亂七八糟 的 大腦 神經 細胞 ？ 研究 人腦 會 限制 你 的 思維 。 他們 認為 去 研究 數位 電腦 的 運算 上限 還 比較 好 。 他們 的 極終 目標 是 設計 程式 使 電腦 先 是 能 跟 人類 能力 匹敵 ， 然後 超越 人類 。 他們 仗 的 是 以 成敗 論 英雄 的 方式 ， 對於 瞭解 真實 大腦 怎麼 運作 並 沒有 興趣 ， 有 人 甚至 還 很 得意 他 在 神經 生物學 上 的 無知 。 對 我 來 說 ， 這 是 個 很 離譜 的 問題 解決 方式 。 我 直覺 認為 人工 智慧 的 方式 不但 無法 使 電腦 做到 人腦 的 行為 ， 它 也 無法 告訴 我們 智慧 是 什麼 。 電腦 跟 人腦 是 建構 在 兩 個 完全 不同 的 原則 上 ： 前者 以 程式 設計 控制 ， 後者 有賴 自我 學習 ； 前者 容不得 絲毫 錯誤 才 能 運作 ， 後者 天生 就 能 變通 ， 可以 容忍 失敗 ； 前者 是 有 中央 處理器 ， 後者 並 沒有 中央 集權 的 控制 。 這 兩 者 差異 的 單子 可以 一直 列下去 ， 我 認為 電腦 無法 有 智慧 最 大 的 理由 是 我 瞭解 電腦 是 怎麼 運作 的 ， 可 下溯到 最基本 的 晶體管 物理學 （ transistor physics ） 。 這 個 知識 給 我 一 個 很 強 的 直覺 ， 知道 電腦 跟 人腦 在 本質 上 是 不同 的 ， 我 無法 證明 它 ， 反正 人 總 能 直覺 的 知道 這樣 的 事 。 我 認為 人工 智慧 可以 引導出 有用 的 產品 ， 但 它 無法 建造 真正 的 智慧 機器 。 與 ＭＩＴ 背道而馳 的 是 ， 我 想 瞭解 真正 的 智慧 與 知覺 ， 我 想 研究 大腦 的 生理 與 結構 ， 回應 並 面對 克里克 的 挑戰 ， 得出 一 個 廣博 的 大腦 功能 架構 。 我 把 眼光 放 在 新 皮質 上 ， 這 是 哺乳類 大腦 中 最 晚 發展出來 的 部分 ， 也 是 智慧 的 所在 。 只有 在 瞭解 大腦 如何 運作 後 ， 才 有 可能 建造出 智慧 機器 ， 不可能 先 建好 機器 才 瞭解 大腦 。 很 不幸 的 ， 我 在 ＭＩＴ 看到 的 師長 和 學生 都 對 這 個 主題 沒 興趣 。 他們 不 相信 非得 要 先 研究 過 真正 的 大腦 ， 才 能 瞭解 智慧 或 去 建造 智慧 機器 ， 這 就 是 他們 告訴 我 的 。 一九八一年 ， ＭＩＴ 拒絕 了 我 的 入學 申請 。  到 今天 還 有 很多 人 相信 人工 智慧 仍 有 希望 ， 只是 在 等待 更 強有力 的 電腦 來 完成 它 的 承諾 。 當 電腦 有 足夠 的 記憶 容量 和 處理 能力 時 ， 它 就 會 思考 ， 人工 智慧 的 程式 設計師 就 能 建造出 智慧 機器 來 。 我 不 同意 。 人工 智慧 無法 適切 的 解釋 什麼 是 智慧 以及 所謂 瞭解 某 事 的 意義 為 何 ， 這 是 它 的 致命傷 。 簡短 的 回顧 一下 人工 智慧 的 歷史 以及 它 所 依據 的 教條 ， 就 會 瞭解 這 個 領域 已經 走偏 了 。 人工 智慧 的 研究 方法 是 隨著 數位 電腦 而 來 的 。 早期 人工 智慧 發展 的 靈魂人物 是 英國 的 數學家 涂林 （ Alan Turing ） ， 他 是 一般 用途 電腦 （ general-purpose computer ） 的 發明人 之 一 。 涂林 最 重要 的 貢獻 是 在 形式 上 證明 一般性 運算 （ universal computation ） 的 概念 ， 也就是說 ， 所有 的 電腦 基本 上 是 相同 的 ， 不管 它們 在 建構 上 有 多少 細節性 的 差異 。 他 提出 一 個 想像 的 機器 來 證明 這 一 點 ， 這 機器 有 三 個 主要 部分 ： 一 個 處理 的 盒子 、 一 卷 紙帶 以及 一 個 可以 在 紙帶 上 讀 跟 寫 的 機器 ， 這 個 紙帶 是 為了 儲存 資訊 ， 如 電腦碼 １ 與 ０ （ 這 是 在 記憶 晶片 或是 磁片 發明 之前 ， 所以 涂林 用 紙帶來 儲存 ） 。 如今 看起來 ， 這 個 處理 的 盒子 被 稱為 中央 處理器 （ CPU ） ， 它 有 一 套 固定 的 規則 來 讀 和 編輯 紙帶 上 的 訊息 。 在 數學 上 涂林 證明 了 假如 你 選擇 正確 的 ＣＰＵ 規則 ， 而且 給 它 無限 長 的 紙帶 去 工作 ， 那 它 就 可以 做到 宇宙 中 所有 可以 界定 的 行為 ， 它 會 是 類似 於 現在 所 稱為 涂林機 （ Universal Turing Machine ） 的 一 個 機器 。 所以 不論 所 界定 的 行為 是 要 計算 平方根 、 計算 彈道 軌跡 、 玩 遊戲 、 編輯 圖片 或是 核對 銀行 轉帳 ， 都 被 當作 是 ０ 和 １ 層次 的 工作 。 任何 涂林機 都 能 依 程式 來 處理 它 ， 訊息 處理 就 是 訊息 處理 就 是 訊息 處理 ， 所有 的 數位 電腦 在 邏輯 上 是 相等 的 。 毋庸 爭議 涂林 的 結論 是 正確 的 ， 它 帶來 豐富 的 成果 ， 電腦 革命 和 所有 電腦 革命 的 產品 都 是 根據 涂林 理論 而 來 。 涂林 於是 轉向 如何 建造 一 部 智慧 機器 ， 他 認為 電腦 可以 有 智慧 ， 但 他 不 願 捲入 這 個 想法 可否 實現 的 辯論 ， 他 也 不 認為 可以 完整 的 定義 智慧 是 什麼 ， 所以 他 甚至 連 試 都 不 願 去 試 。 他 提出 一 個 證明 智慧 存在 的 方式 ， 就 是 有名