这是我在知乎上的一个回答转发到这里。问题是： 我不信大脑每天都在大量的傅里叶变换，来处理视觉和声音数据。 我不信大脑每天都在大量的模型训练或卷积，来深度学习认识一个东西。 小孩子不需要喂很多数据，看两三次就能认识什么是苹果，什么是橘子 (虽然不理解为什么是)。 神经元再少的动物，学习任何方向的任务都有主动性，而目前人工智能学习某一方向只是受控。 人类大脑也是电信号，但总感觉绝对不只是 0和1这种 二进制，是模拟信号吗？ 我承认目前数学算法这种方向的人工智能，在生活中绝对有使用场景。
但要做出一个有主动思想的人工智能，基于目前冯·诺依曼架构的计算机，是否是无法实现？我们是否从根源方向就错了？
分几个层面来回答这个问题。
回答之前，先说一句：在前途未知的时候，走出一个方向更重要，而不是怀疑是否走错方向。
首先，人的大脑“没有”时刻计算着的各种变换、卷积，这个是可以有争议的。为什么？人类现在对大脑工作原理的探索，知之甚少，没有人知道人脑是不是时刻在变换、卷积。所以，这个前提本身就有争议。
之所以人类自己”感觉“不到变换、卷积，那是因为意识是处于大脑的”顶层“，是”涌现“出来的，它不会，也管不着很多底层的功能。
你可以学会开车，但是你是无法”意识“到如何学会开车的，那基本是”本能“。而本能的机制，现在没人知道。
诺贝尔奖得主埃里克·坎德尔在研究海兔的神经系统时发现，即使是简单生物的学习过程，也涉及复杂的分子层面变化（《追寻记忆的痕迹》，2006）。这是否意味着，大脑可能在潜意识层面进行类似数学变换的计算？
David Marr 的视觉计算理论也提出，大脑可能在底层进行类似傅里叶变换的信息处理（《Vision》，1982）。但另一方面，Simons 和 Chabris 的“看不见的大猩猩”实验又证明，人类意识只能处理有限信息，大量信息处理发生在潜意识层面（1999）。所以，人类大脑是不是时刻有傅里叶变换、卷积网络？这个，有争议，可能是，可能不是，不能因为”感受不到“，就否认它。
其次，”感觉“人类学习不需要很多数据，这个也存在争议。
跟变换、卷积一样，很多”数据“，是你的意识无法感觉到的。比如，你走进一个一堆人房间，立马能感受到”氛围“，它可能是愉悦的，可能是火药味浓的。这几乎是瞬间感受到的，你的大脑并没有”感觉“处理了多少”数据“。
那么这里的争议可能是什么？有可能是你的大脑实际在瞬间处理了大量的数据，然后感知这个氛围，但作为”意识“的大脑，并不知道居然处理了这么多大量数据，也有可能是某种我们不知道的感知方式，不用处理那么多数据。
MIT 的神经科学研究发现，人类视觉皮层在 100 毫秒内就能完成复杂场景识别（Nature Neuroscience，2014），这似乎暗示大脑存在某种高效的信息压缩机制。但 Gibson 的生态心理学理论又提出，环境本身可能已经包含丰富的信息，减少了大脑需要处理的数据量（《生态知觉理论》，1979）。
所以，大脑是否处理”大量数据“？这个也是未知。
第三，神经元很少的动物也能很快学习，那是因为，它们是生物，它们有目的，就是活着。而人工智能没有，起码现在没有。
如果一个人，或者一个事物，它的存在没有”目的“，那么它为什么要学习？至于说，生物的目的是什么，这个问题极其复杂。看到美食就想吃，看到美女就想上，这些都是目的。有这样的一个驱动，你的大脑自然会去主动学习，而且是有方向的学习。什么方向？就是你”目的”的方向。
进化心理学的研究显示，人类的学习偏好与生存繁衍需求高度相关（Buss，《进化心理学》，2005）。神经科学也发现，多巴胺奖励系统在目的导向的学习中起关键作用（Schultz 等人，1997 年诺贝尔奖研究）。但这是否意味着 AI 必须模拟生物的目的性才能高效学习？目前仍然是个开放问题。
第四，大脑的神经元是不是 0 和 1，我认为也存在争议。人类的大脑有 n 多个亿的神经元细胞，它们之间只有 2 个状态，要么连接，要么不连接，这是不是也可以看做天然的 0 和 1？当然这是猜测，但起码，这是可以讨论的。
McCulloch 和 Pitts 早在 1943 年就提出，神经元可以简化为二进制计算单元（《神经活动中内在思想的逻辑演算》），这个模型至今仍有影响力。但 Allen 脑科学研究所的最新研究发现，单个神经元可能具有比简单开关更复杂的信息处理能力（Nature，2020）。所以，大脑的运作方式是否真的能用 0 和 1 概括？目前仍然没有定论。
所以，综合以上 4 个层面的争议，我认为这个问题：”人工智能是不是走错了方向“，是有争议的，并没有正确答案的。
