# 傑夫·霍金斯：千腦智慧理論

> Numenta 創始人闡述千腦智慧理論，用皮層柱模型解釋大腦如何理解世界與智慧的本質。

- 原標題：Jeff Hawkins: Thousand Brains Theory of Intelligence
- 期數：特別節目
- 釋出日期：2019-07-01
- 嘉賓 / 主題：傑夫·霍金斯與千腦理論
- 網頁版：https://lex.qiaomu.ai/tw/ep/jeff-hawkins/
- 官方頁面：https://lexfridman.com/jeff-hawkins/
- 精讀字數：約 8128 字（閱讀約 18 分鐘）

> 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。

人腦大約有860億個神經元，一個人一輩子真正記住的東西，可能還不如一塊硬碟。這話常被拿來調侃人類記性差。傑夫·霍金斯（Jeff Hawkins）研究了幾十年大腦，得出的結論偏偏反過來：大腦真正擅長的事情是構建參考系，儲存只是副產品。你之所以能認識一個從未見過的杯子，靠的是大腦學會了如何在一個三維座標裡移動手指，把一路上的觸覺訊號拼成一個完整模型。

霍金斯是Numenta的創始人，2002年還創辦了紅杉理論神經科學中心。他在2004年出版的《論智慧》裡提出了記憶預測框架，2017到2019年間和團隊一起把它升級成「千腦智慧理論」（Thousand Brains Theory of Intelligence）。這套理論在神經科學圈子裡爭議不小，批評者說它缺乏足夠的實驗證據。霍金斯在Lex Fridman的播客裡講得很坦然：科學突破從來不走線性積累的路，資料攢到一定程度就會突然階躍。他相信那個階躍在幾年前已經發生了。

## 大腦裡有一張餐巾紙，負責你所有的高階認知

先把人腦拆成兩半看。舊腦部分包括腦幹、小腦、基底神經節、脊髓，負責呼吸、心率、走路、情緒這些底層功能。新腦部分就是新皮層（neocortex），只在哺乳動物身上出現，在人類大腦裡佔了大約70%到75%的體積。

新皮層最詭異的地方是它的均勻性。霍金斯有一個經典比喻：它像一張餐巾紙那麼大，大約2.5毫米厚。你把這張紙鋪開，隨便切哪一塊放到顯微鏡下，看到的精細電路結構幾乎一模一樣。老鼠的新皮層和人的新皮層，在微觀層面差別小得驚人。這和舊腦形成鮮明對比。舊腦是一堆專門化的小零件拼起來的，這塊管心率，那塊管呼吸，各自演化了上億年，分工明確。

這個觀察最早由弗農·芒特卡斯爾（Vernon Mountcastle）在1978年系統提出。他的核心論點是：新皮層上所有區域都在做同一件事，視覺區、聽覺區、觸覺區之間的差異，僅僅來自它們連線的外設不同。你把視神經接到聽覺皮層上，那塊區域就會變成視覺區。實驗也證明，天生失明的人，原本的視覺皮層會被其他任務徵用。芒特卡斯爾把這叫做「通用皮層演算法」（common cortical algorithm）。

沿著這條線索往下推，語言、數學、工程、音樂這些我們認為是人類最高階的能力，底層跑的程式和摸一個咖啡杯完全相同。搞明白那2.5毫米厚的電路在做什麼，所有認知功能的神秘感會同時瓦解。霍金斯說他現在不再把這當成開放問題了：「答案對我來說非常清楚，我們不知道的部分在哪裡也很清楚。框架已經在了，剩下的只是時間和精力，不再有大的謎團。」

## 時間不是第四維，它是第一維

霍金斯在2004年提出的「層級時間記憶」（Hierarchical Temporal Memory，簡稱HTM）包含三個關鍵詞：時間、記憶、層級。當時神經科學界的主流做法是把大腦當成靜態影象處理器，給一張圖，輸出一個標籤。今天最火的卷積神經網路，底層邏輯還是這個套路。

真實世界一直在動。你聽一段語音，聲波模式每10毫秒就變一次。你看一個房間，眼球每秒跳動三到五次，每次跳動輸入訊號完全重新整理。你摸一個物體，手指在移動，觸覺訊號持續變化。「把一張圖片閃一下問你這是什麼」這個任務在實驗室裡成立，在現實中根本不存在。

第二個關鍵詞是記憶。大腦在主動學習一個世界模型，被動處理輸入只佔它工作的一小部分。你問一個人今天早飯吃了什麼，他之所以能回答，是因為那個經歷被存進了突觸連線裡，變成了模型的一部分。神經元本身的活動只能維持幾分鐘，更長的時間尺度必須靠突觸的可塑性來承載。

第三個關鍵詞是層級。新皮層是一張均勻的薄片，但不同區域之間有大量的前饋和反饋連線，形成了粗略的層級結構。霍金斯說這三個方向他到現在依然堅持，但「層級時間記憶」這個名字已經不夠用了，它沒法涵蓋後來發現的參考系機制。他現在不太用這個詞了。

## 手指碰到杯沿的那一刻，整個理論浮現了

千腦理論的核心靈感來自一個日常動作。霍金斯手裡拿著一個咖啡杯，食指貼著杯壁，他準備把手指移到杯口去摸杯沿。就在那一瞬間，他問了自己一個問題：大腦要預測「摸到杯沿時的觸感」，需要知道什麼？

答案有三樣東西。第一，它得知道自己在摸一個咖啡杯，也就是有一個杯子的模型。第二，它得知道手指當前在杯子上的相對位置。第三，它得知道手指移動的方向和距離，才能算出下一步的位置。這三樣裡最關鍵的是第二條。手指的位置相對於杯子定義，跟身體無關，跟房間也無關。杯子轉動了，這個參考系跟著杯子轉。

這說明新皮層裡存在大量錨定在具體物體上的參考系。你的每一寸皮膚都在做同樣的事，所以每一寸皮膚都在呼叫自己的參考系來預測下一步的觸感。把手指換成視網膜，把觸覺換成視覺，邏輯完全一樣。整個新皮層都在用參考系來儲存和呼叫資訊。

工程師聽到這個想法不會覺得新鮮。你要在CAD軟體裡建一個杯子的三維模型，必然要定義原點、座標軸、各個特徵的相對位置。但把這個機制推廣到整個新皮層，在神經科學裡是一個新穎的命題。霍金斯說，這個想法一旦成立，之前積累的無數零散資料突然就都對上了。

> 「今天深度學習網路乾的事情，是處理感官資料、提取特徵、再從特徵裡提取更高層特徵。大腦不走這條路。大腦的做法是把每一個輸入都分配到某個參考系裡。在你新皮層裡同時活躍的參考系有幾十萬上百萬個。」（傑夫·霍金斯）

## 十五萬個「千腦」，各猜各的，然後投票

新皮層的面積大約是1500平方釐米，切成1平方毫米的小塊，能切出15萬塊。霍金斯認為每一塊這樣的皮層柱（cortical column）都能獨立學習完整的物體模型。你手指上的一塊皮層柱只能感受到杯子的一個區域性，但只要手指在杯子上移動足夠多的次數，這塊皮層柱就能把不同位置的感覺訊號拼接起來，在內部形成一個完整的三維杯子模型。

這就帶出神經科學裡的一個老問題：感測器融合問題。眼睛看到杯子的影象，手指摸到杯子的形狀，耳朵聽到杯子放在桌上的聲音，這些訊號分散在皮層各處，最終怎麼合併成一個統一的「杯子」概念？傳統答案是：大腦某個地方存在一個匯聚中心，所有訊號最終匯合到那裡。

霍金斯的答案相反。根本不需要匯聚。每一塊皮層柱都在獨立猜測自己感受到的東西是什麼。一塊皮層柱說：「可能是咖啡杯、易拉罐或者水瓶。」另一塊說：「可能是咖啡杯、手機或者相機。」它們各自給出一個候選集合，然後透過皮層裡的長程連線進行投票。投票機制類似聯想記憶，幾輪迭代之後，如果存在唯一最優解，所有皮層柱會迅速收斂到同一個答案。這個收斂不需要物理上的訊號匯聚，它是一種分散式共識。

> 「這些皮層柱就像一根根小義大利麵，每根大約2.5毫米高、1毫米粗。每一根都在猜自己正在感受什麼。它們把猜測結果發到皮層表面，透過某些層裡的長程連線互相投票。一旦收斂，所有柱子同時知道：這是咖啡杯。」（傑夫·霍金斯）

「千腦理論」這個名字的由來就在這裡。成千上萬個區域性模型同時在猜同一個杯子，靠投票達成一致，中間沒有任何中心化的整合環節。深度學習那套一個網路一個輸出的正規化，跟這個差得很遠。

## 記憶宮殿不是玄學，它就是大腦的原生檔案系統

古希臘人發明的記憶宮殿法（method of loci），要求你把要記的東西想象成放在自家房子的不同房間裡。走一遍房子，東西就記住了。這個技巧流傳了兩千多年，沒人說清楚它為什麼有效。霍金斯的理論直接給出瞭解釋：大腦儲存概念的方式本來就是參考系。

你家的佈局是一個你已經爛熟於心的參考系。你把「牛奶」放在門廳，「雞蛋」放在走廊，「麵包」放在臥室，本質上是在借用這個現成的空間參考系來錨定新資訊。回憶的時候，你在心理上走一遍房子，實際上是在參考系裡做路徑積分，每走到一個位置就啟用那裡繫結的內容。

這個解釋如果只停留在記憶術層面，說服力有限。2019年前後，有研究團隊把人放進fMRI裡，讓他們想不同種類的鳥。結果發現，鳥的知識在人腦裡被排列成一個二維參考系，和老鼠在迷宮裡導航時啟用的網格細胞（grid cell）模式高度相似。鳥的體型大小是一個軸，脖子長度是另一個軸，概念就分佈在這個抽象空間裡。

> 「即使你在思考一個完全抽象的概念，而且主觀上完全不覺得在用一個空間參考系，大腦實際上還是在用參考系，用的還是舊腦裡那套網格細胞機制。這套機制被複制到了整個新皮層。」（傑夫·霍金斯）

霍金斯把這套邏輯推到了數學。你證明一個猜想的過程，本質上是在一個數學參考系裡找路。已知條件是你的起點，目標猜想是你的終點，中間引理是路徑上的中間節點。乘法、除法、移項、代入，這些操作相當於在這個空間裡的位移。所謂「設計一個好的證明」，很多時候就是「為這個問題設計一個正確的參考系」，把資訊組織成最容易走通路的形狀。

霍金斯在這裡補了一句，他還沒有在任何論文裡完整寫過這個想法，但他現在比寫論文時更有把握。數學教育和數學研究裡那些說不清道不明的「直覺」，很大一部分就是參考系選得對不對的問題。

## 為什麼大腦的神經元和人工神經元根本不是一回事

深度學習裡的「神經元」是一個點。它把輸入加權求和，過一個非線性函式，輸出一個值。霍金斯說，真實神經元比這個複雜幾個數量級。一個皮層神經元上可以有5000到30000個突觸。靠近細胞體的那幾百個突觸，確實可以像點神經元那樣把訊號加起來讓細胞放電。剩下95%的突觸離細胞體太遠，單獨啟用任何一個都毫無影響。

那它們幹什麼用？霍金斯和團隊在2016年的論文《為什麼神經元有成千上萬個突觸》裡提出：這些遠端突觸分佈在樹突的不同分支上，每個分支大約40微米長。當同一個分支上10到20個突觸在極短時間內同時收到訊號，會產生一個「樹突脈衝」（dendritic spike），這個脈衝傳回細胞體，把膜電位抬高一點點。抬高得不多，不足以讓細胞放電，但足以讓細胞進入一種「預備」狀態。

> 「一個真實神經元本身就是預測引擎。它隨時在檢測幾十到幾百種不同的遠端突觸模式，每一種模式被識別出來，都意味著某種情境正在出現，接下來應該要放電了。所以它提前一點放電。提前一點有什麼用？因為周圍全是抑制性中間神經元，誰先放電誰就能壓制鄰居。你提前放電，贏得的不是準確率，是發言權。」（傑夫·霍金斯）

這個機制的結果是：大腦中的放電更多來自對預測中輸入的確認，對當前輸入的反應只佔一小部分。神經元在「預期」某個模式會出現時就開始準備，模式真出現時它搶先發聲。預測編碼在單個神經元層面就是這樣實現的。

另一個根本差別是學習規則。反向傳播需要精確的誤差訊號逐層回傳，霍金斯認為這在生物大腦裡不可能發生。大腦用的主要是赫布學習（Hebbian learning）：如果神經元A反覆在神經元B之前放電，它們之間的連線就增強。更準確地說，是在樹突的某個小分支上長出新的突觸，把同時活躍的一群輸入細胞和這個分支連線起來。這個過程叫突觸生成（synaptogenesis），它有一個巨大的好處：新學的東西被隔離在樹突的區域性，覆蓋不了已經學過的內容。大腦可以持續學習而不發生災難性遺忘，靠的就是這種隔離。

短期記憶還有更快的機制。大腦裡存在「沉默突觸」（silent synapse），結構已經長好，但不會釋放神經遞質。要快速記住一件事，只需要把一批沉默突觸切換成活躍狀態，幾分鐘甚至幾秒鐘就能完成。長期記憶才需要慢慢長出新突觸，那要花幾個小時。

## 稀疏表示為什麼讓系統更抗揍

大腦皮層在任何時刻只有大約2%的神經元處於活躍狀態。一萬個神經元裡，只有兩百個在放電。這個比例在視覺、聽覺、觸覺、語言各個區域都差不多。霍金斯說，稀疏性是大腦魯棒性的關鍵來源。

直覺上你會覺得參與編碼的神經元越少，表示越脆弱。實際情況相反。假設你要在高維空間裡劃一條分類邊界，稠密表示下不同類別的點靠得很近，稍微擾動一下就越界了。稀疏表示下，每個類別只用200個神經元編碼，你隨機抽兩組各200個神經元，它們的重疊可能只有幾個。要讓一個表示「變成」另一個表示，只動一兩個神經元沒有用，得動一百個。對抗樣本攻擊在稀疏編碼下極難奏效。

Numenta團隊在2019年初已經做了初步實驗：在卷積網路裡強制加入稀疏性約束，同時約束啟用值和連線權重，就能顯著提升對抗魯棒性。這是把腦科學原理遷移到深度學習的一次具體嘗試，雖然只是很小的一步。

## 持續學習，才是當前AI最要命的短板

霍金斯指出，今天幾乎所有深度學習系統都把訓練和推理分成兩個階段。訓練時凍結推理，推理時凍結學習。這在不少應用場景裡是硬傷。一個部署在生產線上的視覺檢測系統，遇到一種新缺陷，必須重新收集資料、重新訓練、重新部署，整個流程可能耗時數週。

人從來不這麼工作。你伸手進一個黑箱摸東西，摸到一半你就已經知道這是不是新東西，並且開始學習了。識別和學習在時間上完全重疊。Numenta的模型從一開始就把持續學習當成硬約束。2016年那篇關於序列記憶的論文展示了網路如何在推理的同時更新權重。霍金斯說，這是一項很少被基準測試衡量的能力，所以在論文競賽裡不佔優勢，但它是通往真正智慧系統的必經之路。

霍金斯對當下機器學習的評價有些微妙。他承認產業界的進展很了不起，卷積網路確實受了很多神經科學啟發，分散式處理、分散式記憶、層級結構，這些都來自大腦研究。但他也指出，這類系統的評測體系把整個領域推到了一個奇怪的位置：只要在某個基準上提升0.1%，就能發論文、拿投資，理論上的優雅與否變得無關緊要。他開玩笑說這是自己的困境，因為Numenta沒有大公司那種算力和資料規模。

## 智慧不該被人類的外形綁架

霍金斯不喜歡「人類水平智慧」這個說法。他管這個叫錯誤的目標。「狗也是智慧的。我想要的是理解智慧的原理，然後造出各種規模、各種能力的智慧系統。」

他用計算機做類比：你不會因為一塊微控制器不如伺服器快就說它不是計算機。只要理解了計算的基本原理，就可以用小規模實現，也可以用大規模實現。智慧也應該這樣理解。先定義智慧系統的基本原理，然後按需放大縮小。

有一點他堅持：智慧系統必須有某種形式的身體，或者說必須有移動能力。理解一個咖啡杯，系統必須能夠移動感測器去感知它，不管感測器是手指、眼睛還是鐳射雷達。理解數學，系統必須能夠在數學參考系裡移動。一個純靜態的、只接收單張圖片的AI，不可能發展出真正的物體概念。

> 「你不可能靠『閃一下圖片，輸出標籤』這種方式獲得智慧。智慧是移動的模式、移動的模式、移動的模式。是注意力在參考系裡鑽來鑽去，構建結構，搞清楚世界的模型。身體可以是物理的，也可以是虛擬的，但移動這個概念必須在裡面。」（傑夫·霍金斯）

至於超級智慧算不算存在性威脅，霍金斯的態度是：大部分擔憂搞錯了物件。智慧沒有慾望。新皮層不包含性衝動、不包含領地意識、不包含繁殖本能，那些東西都在舊腦裡。完全可以造一個只有新皮層的系統，它對生存沒興趣，對權力沒興趣，它只是在思考數學或者在火星上建基地。真正該擔心的是生物武器和核擴散，那些是舊腦級別的威脅，而且已經存在了幾十年。

他還提到一個機率上的觀察：極端邪惡和極端能幹同時出現在一個人身上的情況非常罕見。人類歷史上真正造成大規模災難的門檻很高，需要的不只是惡意，還需要能力、資源、組織、時機。核武器沒有在所有瘋子手裡擴散，病毒沒有被人輕易改造成末日武器，一部分原因就在這裡。

## 關於死亡、意識和人類遺產

播客後半段轉向了哲學。Lex問霍金斯怕不怕死。霍金斯的回答很直接：人類怕死有兩個原因，一是基因裡寫好的生存本能，二是對熟人死亡的情感聯結。除此之外，死亡本身對你來說沒有任何體驗可言。他用了一個思想實驗：假設我是一個住在阿拉斯加荒野裡的獨居者，沒人知道我存在，某天晚上睡過去沒醒來，這個世界上會產生什麼痛苦？沒有。

他對意識的態度也類似。他認為「意識」這個詞被過度神秘化了。自我意識可以拆成兩部分。一部分是身體模型，新皮層不僅建模外部世界，也建模你自己的身體，幻肢現象就是身體模型還在、輸入沒了的結果。另一部分是情景記憶，你記得今天早上吃了什麼，所以你說「我當時是有意識的」。一個能調取自身近期狀態記錄的系統，在功能層面就具備了自我意識。

更難的哲學問題是感質（qualia）：為什麼紅色看起來像紅色，為什麼疼感覺像疼。霍金斯推薦了一本書，保羅·奧格雷迪寫的《為什麼紅色聽起來不像鈴鐺》。他的大致觀點是：顏色不在世界裡，世界只有頻率。視網膜上不同細胞對頻率敏感，訊號進入大腦後變成一堆不同放電率的軸突，顏色是大腦為了預測和泛化而構建出來的內部標籤。它有用，但它不屬於世界的屬性。

> 「我們這一代人有一種浪漫的錯覺，覺得人類是宇宙的中心。但看看我們有什麼：跑不快、遊不好、飛不了、力氣也不大。我們唯一獨特的，是大腦裡那個能延伸到感官之外的世界模型。我們知道月亮背面有什麼，知道其他星系，知道原子內部發生什麼。這些知識不存在於宇宙的任何其他地方，只存在於人腦裡。這才是人類的遺產。」（傑夫·霍金斯）

他提到自己年輕時列過一張清單，上面寫著四個最大的問題：為什麼存在任何東西？為什麼物理定律是現在這個樣子？生命是必然的嗎？智慧是必然的嗎？他停在了第四個問題上，因為他的判斷是：造出真正智慧的系統，是回答前三個問題的最快路徑。超級數學家、超級物理學家、超級太空探索者，這些智慧系統能執行人類無法執行的思想實驗，去到人類無法到達的地方。

有人會問，超級智慧理解的東西，人類還能聽懂嗎？霍金斯說這種焦慮已經過時了。廣義相對論就是活生生的例子，絕大多數人根本理解不了場方程，但愛因斯坦留下了大量比喻和近似描述，普通人依然能借用那些直覺去做自己的事。人類文明早就生活在「只有極少數人真正理解核心知識」的狀態裡，這也沒構成什麼障礙。

至於人類是不是宇宙中唯一的智慧生命，霍金斯的判斷是：智慧生命在過去和未來幾乎肯定存在於別處。真正難回答的是同時代性，考慮到相對論和時空結構，「此刻別處」這個概念本身就模糊。他還提到大過濾器假說，也就是智慧物種可能普遍活不長。人類作為技術物種只存在了兩百年，樣本量為零，誰也不知道存活機率是多少。

這也是他做研究的另一層動機。智慧機器可以比人類活得更久，可以不繫結在地球上，可以把人類積累的知識帶出去。他說這有點像為國家做長期規劃，只不過物件換成了整個物種：我們應該想想，當人類不在了，要留下什麼。

## 這套理論對你有什麼用

千腦理論還在演化中，有些細節連霍金斯自己都說還沒完全搞清楚。但裡面有幾個可以直接拿來用的思維工具：

- **學新領域時，先建參考系再填內容。**不要一上來就背零散知識點。先搞清楚這個領域的「空間結構」：核心變數有哪些，它們之間什麼關係，典型問題長什麼樣。進一個房間先看格局，再找傢俱。
- **用空間記憶法對付抽象概念。**要記一組看似無關的東西，把它們掛到你熟悉的物理空間上。家、辦公室、常走的一條路都行。大腦本來就是這麼幹的，你順著它的硬體設計走。
- **解題時先問「我該在什麼空間裡找答案」。**很多難題卡住的原因是參考系選錯了，算力不夠只是次要因素。換一個座標系，原來的死路可能變成直線。數學證明、商業策略、產品設計，底層邏輯相通。
- **設計AI系統時，把持續學習排在第一優先順序。**只能離線訓練、線上推理的模型，放到真實世界裡永遠是脆弱的。魯棒的系統必須能在部署後繼續學習，而且新學習不能覆蓋舊知識。稀疏連線和區域性可塑性值得重點關注。
- **別被「人類水平」這個詞框住。**智慧的形態可以有很多種。定義清楚你要系統解決什麼問題、需要哪些能力，比追求一個模糊的「通用」目標更有用。
- **把時間維度納入你對資料的理解。**靜態快照式的資料餵養出來的模型，學不到世界的因果結構。如果你的應用涉及移動、互動、序列，優先考慮時間序列建模和預測編碼的思路。

霍金斯給自己定的時間視窗是五年：如果五年內能說服足夠多機器學習領域的人認真對待這套理論，真正的機器智慧會在二十年內出現。如果失敗，可能還要再等一代人。他把這叫做創業者的困境：你看得到終點，但必須找到一條不把自己餓死在半路上的路徑。

科學史上有很多這樣的故事。孟德爾種了八年豌豆，論文發表後三十五年沒人理。巴貝奇設計了計算機，一百年後才有人造出來。霍金斯很清楚自己可能面臨什麼。但他也說，沃森和克里克在雙螺旋模型還沒被驗證的時候，就已經百分百確定自己是對的。那種感覺騙不了自己，別人信不信只是時間問題。