我们的大脑会掷硬币吗？来聊聊决策的神经机制

本文来自微信公众号： 神经现实（ID：neureality） ，讲述：杨天明，整理：五月、Root、小葵花、西子，审校：Spring、亦兰，编辑：EON，头图来源：东方IC

今天很荣幸能够跟大家分享一些我们的研究，以及一些我们特别关心的问题。在讲正题之前，我想给大家先打个预防针，其实在我们这个领域，不知道的要比知道的多得多。所以我今天讲完之后，也许你会发觉你得到的问题比答案还多。

我今天会讲到若干个对智能体的研究，首先是在动物中的研究。我们知道，地球上有很多很聪明的动物，其中猴是跟人最接近的一种动物。我们经常会用猴来做大脑方面的研究，一方面是因为它很聪明，还有一方面是因为它的大脑结构跟人非常相像。

但有一个问题：人和猴子在智能方面似乎有一条鸿沟，比方说人会说话，猴子不会说话；人会有各种各样高级的文化，猴子到现在还生活在森林里面。那么为什么猴子跟人有相似的大脑，但是彼此之间的差别这么大？

下一个问题和AI有关。近年来大家会在新闻中听到或看到各种对AI的介绍。很多人就会问：“现在AI是不是已经超过我们了？”或者问：“AI和我们人有什么差别？AI和动物比起来有什么差别？”

什么是棋感？

在我们讲抉择之前，先来看一个非常简单的、大家熟悉的例子。

我们面前是一个围棋棋盘，围棋棋盘是19×19的方格。每次下棋时你需要把棋子放在交叉线的位置，一开始下棋有361种可能性。围棋复杂的地方就在这里，下的每一步棋都有上百种可能性。平均下来，可能算三步就有上百万种可能性。一般人的大脑都没有能力把上百万种可能性去想一遍，所以我们是怎么下棋的？

对于初学者，或是像我这样围棋水平很烂的人，通常采用的方法就是放弃，就是瞎蒙一个地方在那里摆一下。但如果你问围棋高手：“你们为什么下围棋能够算得这么精准，你是怎么下的？”他们会告诉你“我有棋感”——看一下盘面就知道某个地方是最关键的地方。于是在这个盘面上，可能只有两三个关键的地方需要去考虑，然后他们就根据这两三种可能性，去推想下一步会怎么样，再下一步怎么样。

所以可以看到，其实他们推理的步骤也没有特别多——他们不是在开局下第一个子的时候，一次性推理到二十步之后是什么样的。但是他们有很好的棋感，只需要推理相当少的可能性就可以下得非常好。所以在下围棋这一门艺术当中——很多人都在说“下围棋是聪明人的运动、要有高度的逻辑”之类的话——其实最关键的一个地方是棋感，而培养棋感却是非常没有逻辑的。你如果让围棋高手解释“你为什么觉得这几个位置是最关键的位置”，他们也许可以说出个道理来，但他们在下棋的时候是不会运用逻辑去产生这些棋感的。

那“棋感”究竟是什么？从来没有下过棋的人，说到棋感可能非常迷茫，但其实棋感在我们每个人的脑子里都有。从神经科学的角度来考虑，它就是把一个棋局的信息通过我们的眼睛送到大脑。大脑里有一个非常神奇的评估系统，帮助我们把局面算出来，评估这个局面是好还是坏。评估系统的结果在我们大脑里产生的主观体验，就是我们所谓的“棋感”。

再举一个更加贴近生活的例子。你在路上看见一个小朋友，你的第一感觉肯定是“小朋友非常可爱”，至少我希望你们觉得这个小朋友特别可爱，因为他是我的家人。

但是你产生的第一感觉运用了很多逻辑推理吗？你也许会觉得他的眼睛比较亮，或者他张嘴吐舌头的样子很可爱，或者他的脸型可能属于那种比较可爱的脸型。这些逻辑虽然是成立的，但是你去做判断、产生这种喜爱的感情时，是不会用这些逻辑的。

作为对比，你看到图中所示的恐龙，它也是张着嘴露着牙齿吐出一点舌头，但你绝不会有一种非常喜爱的感觉。你看到这个家伙时，你不会想它的牙齿比小朋友尖一点，嘴张得大一些，就觉得这个东西比较可怕。我们身体里面有一个非常高效的评估系统，你只要看一眼就会把这些因素都整合在一起，马上产生评估的答案：这是好是坏；你是应该逃跑、躲起来，还是应该去作一些其他的反应。

我刚才说的这种情感，它和前面的棋感其实是一回事。我们把感觉信息 （在刚才的例子中是视觉信息，但也可能是听觉或者触觉信息） 送到大脑，里面有一个非常高效的、快速的评估系统，来帮助我们作出抉择。评估系统会让我们产生一种体验，我们感觉起来就是“情感”，因为有时候情感可能不直接是大喜大悲的感觉，也有些人会把它叫作“直觉”。

我今天要讲的就是 我们的情感 （评估系统） 和我们的逻辑推理这两个系统，如何共同帮助我们做出好的决策。

还需要说明一点，那就是我说的情感跟表情需要区分开。表情虽然跟我们的情感是直接挂钩的，但它其实主要是一种我们用来交流的工具。我们通过表情来告诉别人，我们现在心里想的是什么，我们现在自身的状态是什么样的。它并不直接和我们的抉择挂钩，所以这不是今天我要讲的。

大脑的视觉系统

让我们回到上一话题，不管是棋感还是其他的、比方说恐惧之类的感情，就像我刚才说的，都是通过某种复杂的计算做出来的，而这个计算的过程主观上是不能够解释的。很多人就会觉得很奇怪：人不是一种理性的动物吗？我们想问题的时候不应该都很有逻辑的吗？为什么我们的大脑里面还会有这种非常神奇、无法解释的系统？

其实不是这样的，关于大脑的活动，主观能解释的部分是非常少的。在这里我举个例子——视觉系统。视觉系统做非常普通的事情时，比方说我看见一个苹果，知道它是苹果，这对大家来说是毫不费力的事情，是每个人平时都会遇到的事情。但仔细想一想，这当中涉及的计算其实是非常复杂的。在经过几十年的研究之后，我们现在还没有非常成熟的计算机视觉系统，计算机还不能很好地去辨别，这也是现在做机器人的主要障碍之一。

大脑是怎么解决这个问题的？在这里我简单讲一下大脑的视觉系统。因为猴子的大脑和人脑非常像，而且我们对猴子大脑的了解比较多，所以我在这里以猴子的大脑为例，来说明视觉系统是怎么工作的。

（左上角） 图的右边是猴子大脑的前方，而猴子大脑的后半部分、图中颜色比较深的区域是猴子的视觉系统。你可以看到，几乎有50%的大脑皮层属于视觉系统，这里还没有把全部视觉系统画出来。

猴子大脑中负责视觉的部分是非常多的，在人脑中其实也是一样。你如果仔细看图中一些小的标记，不同的颜色代表视觉系统的不同层次，从V1、V2这样一层一层地往上。当图像 （居里夫人） 进入我们的视野，处理信息的第一层是视网膜，之后经过一层一层这样的处理，最终到最顶层的时候，我们才能知道我们在看的是什么。

这些层次之间有什么不一样？视觉信息进入视网膜的时候，视网膜细胞关心的是最原始的信息，比方说你看到一张图片的话，是图片中的某个像素：它是亮的还是暗的？是什么颜色的？这是在最底层实现的。接下来进入大脑皮层的第一层V1的时候，可能会处理稍微高级一些的信息，比如线条、轮廓。然后再把这些信息进一步整合、再整合……到最后大脑就可以神奇地告诉你，看到的是苹果还是别的什么东西。

深度神经网络

大脑对信息整合的原理是什么呢？经过很长时间的研究，神经科学领域也没有很清晰的理论来解释大脑在整合的过程中做了哪些事情。但非常有意思的是，最近十年内，在计算机科学领域，根据人脑的运作方式开发出的最新人工智能系统——深度学习神经网络，其实和人脑非常像，也是由一层一层的人工神经元去做处理。刚开始可能只能处理像素、线条和轮廓这样比较简单的东西，但经过不停学习后，最终输出时它可以拥有辨识物体的能力。而且人工神经网络跟真实的大脑还可以建立一个对应关系。把人工神经网络训练成功后，你会发现早期的几层人工神经网络跟大脑早期的真实神经元的反应很像，而比较高层的神经网络又和大脑中比较高层的神经网络很像。

这样我们就可以用从神经科学中了解到的知识来建立人工神经网络，完成某项功能，然后人工神经网络又帮助我们去了解人的视觉系统究竟是怎么操作的。

深度学习神经网络看起来非常神奇，它可以完成非常复杂的任务。那它究竟是什么样的？深度学习神经网络的重点就是所谓的“深”。“深”是什么意思？它有很多层的神经元。第一层是输入层，如果一些光点之类的信息送进来，在这一层它会做一个整合。每一层做整合，都是把局部的信息整合在一起，做一些简单处理之后再往上送，下一层又是把当前层的局部信息进行处理。

如果一层网络中，每一个神经元都会收到上一层的局部信息的话，其实整层网络收到的信息要比上一层更加全局一些。所以当你把很多层网络叠加在一起，在最上层的神经元其实处理的是全局的信息，而且它可以把在全局信息当中每一层提取出来最关键的信息综合在一起。这也基本上是深度学习神经网络能够成功的一个原因。

必须要说的是，虽然目前我们能够训练深度学习神经网络做很多事情，其实我们还是不知道它的逻辑是什么。如果要数学家写一个公式，把这边的输入 （初始信息） 通过一个数学公式变成最后的输出，现在是写不出的。在神经网络里面有非常多的层次，每个神经元当中有很多的连接，其中涉及上百万个参数，我们可以把这些参数通过机器学习的方式慢慢训练出来，但这里面的逻辑我们是不知道的。

像这种完全靠我们自己搭建的系统里面的逻辑，我们都是不知道的，可以想象，我们也完全不知道大脑里面是靠什么逻辑来运作的。当我们看到一个苹果，知道它是苹果的时候，我们主观上并不知道视觉系统究竟做了什么运算，而当我们用客观上能用的最先进的方法去分析，也不知道它究竟做的是什么样的运算，我们仅知道它现在大致的结构、大致的运算原理是什么样的。这就是我们所谓的“黑箱操作”，有一些信息进来，经过这个黑箱，你会得到一些有用的信息。

大脑的评估系统

而我们的评估系统其实也是一样的。大脑前方的一块区域是我们通常所说的前额叶，它是人类高等智能的一个中枢。我们之所以这么聪明、会完成很多复杂的任务，都是因为有前额叶。

图中有很多不同的脑区被标注出来，不同脑区之间怎么连接、信息怎么流动。从示意图中大家就知道，我们的评估系统完全不比视觉系统简单，而它的运行方式和原理也不是我们能够直接明白的。从总体上来说，评估系统对抉择起了重要的作用，尽管它是一个主观上很难理解的系统。

在评估系统当中，尤其在刚才提到的这些脑区当中，我特别要提醒大家注意的一个脑区叫做眶额叶，英文缩写是OFC，它的全称叫Orbito Frontal Cortex。

它为什么叫眶额叶呢？眶额叶的位置其实就在眼眶的上方。这个脑区有个非常有意思的特点，它有两个很重要的输入： 一方面它接收来自感觉皮层、特别是视觉皮层的感觉信息的输入，另一方面它又会接收来自我们大脑奖赏系统关于奖赏信息的输入。

当眶额叶同时接受这两种输入后，可以做些什么呢？它可以给我们看到的、感受到的这些东西打分。我们的奖赏系统平时做的事情，就是如果你得到奖励，吃到好吃的，做了让自己开心的事情的时候，它就会兴奋起来。然后，眶额叶就会把奖赏系统的输出跟感觉皮层的输出挂钩在一起，这样它就可以学习到是什么给自己带来愉悦的感受，什么东西对你来说是好的，什么是坏的。所以，它可能就是评估系统中非常重要的环节，它帮助你把感觉系统所处理的信息去跟“好”、“坏”这样的评估挂钩在一起。

去年我们的博士生张哲伟同学建立了人工神经网络的模型去模拟眶额叶的工作，神经网络可以接受视觉皮层信息和奖赏系统信息。他比前人所进一步的是，他发现把这两个信息同时输入到所谓的随机神经网络模型当中，网络就可以很好地模拟眶额叶的工作，运用网络的输出进行学习。也就是当你训练这个网络的时候，它慢慢地就会学习到什么东西是好的、什么东西是坏的，就可以做抉择。

眶额叶、包括我们整个评估系统一旦训练了之后就特别高效。比方下围棋，你一旦有了棋感就会下得特别好。那么就有人会问：为什么大脑的结构不是完全布满评估系统，这样就不需要其他东西来帮助我们做抉择？

其实评估系统是有缺陷的，先举一个非常简单的例子，比方说一个人生病了，医生说你的病比较严重，我们需要做个手术。如果这个医生说你这手术有90%的成功率，你听完了之后想应该没什么问题；但如果这个医生是另外一种说法，他说手术是10%的死亡率，你有什么感觉？你一下子就觉得这个世界好像已经离我有点远。

但仔细看一下这两种说法，它其实是一模一样的。90%的成功率和10%死亡率是一回事情，那么为什么同样的说法会给你带来截然不同的感受呢？因为我们的评估系统非常容易受到误导，在前一种说法里面，它注重的是成功率。当你听到成功率，又看到一个比较大的数字，你的评估系统就会给你一个比较正面的反应。但是在后一种说法里面，你首先看到的是死亡这两个非常碍眼的字。所以当你接收到信息的时候，评估系统给出的答案就会非常不同。

这也就是为什么大脑当中存在评估系统，但我们平时做事情并不完全是用评估系统来做的，人是理性的、有逻辑的，这并不包括我们的评估系统。

评估系统的特点是什么？它做事很快。我刚才没有强调，评估系统的另一个特点是对事情的并行处理。什么叫并行处理？就是很多信息进来，它可以同时进行处理，比方说我看到的东西、听到的东西，还有其他信息，同时进入我的大脑，我不是一条一条去处理信息。我看到小朋友的照片，我不会先看他的眼睛，再看他的嘴巴长什么样，大脑当中有不同脑区的不同神经元同时对这些进行操作，这样你才能达到一个非常快的计算速度。

还有一个问题就是这个操作我们主观是不能直接感觉到的，所以我们也没办法直接对这个操作进行修正，它万一发生了什么错误，就像我刚才说的死亡率和成功率的问题，你哪怕已经知道这两种说法是一模一样的，但是我问你一百次，你还是会觉得90%的成功率听起来要好听一些。评估系统存在这个问题，黑箱操作就相对来说就比较僵化、难改一些，它的学习就要通过非常缓慢的训练才能够达到，是一种渐进式的学习。一个围棋棋手要有棋感需要经过长期的训练才能做到。

大脑的推理系统

既然评估系统存在这些问题，大脑当中就有另外的解决方案，也就是我这里要说的推理系统。我们平时在做一些更加复杂的问题，比方数学，做证明题，或者规划一下你未来的人生，你不会光靠评估系统，你一定会依赖推理系统。推理系统也是人之所以是人的重要原因。推理系统是大脑当中哪些部分管的呢？还是前额叶。但非常遗憾的是，我们整个神经科学领域对大脑推理系统的了解非常少。主要原因是我们现在的相关实验只能在动物中做。

我们不能把人的脑子开一个洞、插一根电极或者打一针，看一下这个人的大脑会有什么反应。大多数实验都在动物中做，但是动物的推理系统就非常可疑。我们现在在往这个方向努力，想在猴子这样比较高级聪明的类人动物中研究推理系统。但在整个领域里，我们还不知道前额叶的推理系统究竟怎么运转。如果对不同物种的前额叶做比较，猕猴的前额叶虽然相对其他动物来说比较大，但跟人有本质的区别。

可以看到人脑中前额叶这部分，它不是等比例地比猴子大，它在整个大脑当中所占的比例要比猴子的前额叶在整个大脑当中占的比例要大得多，所以我们也认为人的推理能力也比猴子要高很多。

那么实验室是怎么研究大脑推理系统？我们还是先在猴子中研究。我们所采用的一个切入点，就是所谓串行和并行。我刚才谈到大脑的评估过程是一个并行处理的过程，有很多信息送进来，在一个复杂的神经网络当中进行处理，做了很多加工，然后它得到的结果就一下子可以送出来；但我们的推理系统相对来说是一个串行的结果。比方说我让你算一个数学问题，321×568等于多少？你拿出一张草稿纸来，把个位数和个位数相乘，十位数和十位数相乘，这样慢慢一步一步算下来，但你整个过程都是串行地做的，你一次只能操作一个数字。当你想问题时，一次只能想一件事情，很少有人可以把两个复杂的问题同时进行处理。

串行操作是我们大脑推理系统的一个重要特点。我们假设猴子大脑中某个脑区进行推理时应该符合串行操作原理。我们试图去找到它，于是我们就做了这么一个实验。我们训练猴子去看一个不那么复杂、相对简单的图片。

举个例子，比方说大家到一个水果摊去买水果，你要选你最喜欢的水果，你肯定不是在水果摊面前站一下，然后所有的信息涌到你脑子里，唰一下就挑出个苹果是你最喜欢的。我们通常所做的是拿起一个苹果看一下它的颜色形状大小，闻一下味道，甚至捏一下手感，如果觉得这苹果好我就买下，如果觉得不好我把苹果放下，然后再去看一下香蕉怎么样。也就是说这个挑选水果的评估过程它分成两部分，一部分是拿起苹果来评估一下是好是坏，给它打分数；另一部分就是我刚才说的串行过程，我先看苹果，再看香蕉，再看橘子的这样一步一步切换的过程。

而猴子在做这件事时，我们对它的大脑前额叶进行记录，就发现前额叶中的眶额叶的确反映了评估过程。当猴子在看一整个场景时，眶额叶会编码当中某一样东西的价值。但非常有意思的是，它不是编码所有东西的价值，它只编码其中一样，也就是猴子注意力正在关注的那个东西。

所以我们实验室的博士生谢洋同学经过很多年的工作后发现，眶额叶不仅是一个评估系统的中枢，还是一个从评估系统到推理系统的桥梁。 推理系统决定我们现在应该评估什么，评估系统的眶额叶可以随时报告这个评估的结果是怎么样，帮助我们整个大脑去做抉择。

我们讲了这么多眶额叶，它不仅是评估系统的高级核心，还是从评估到推理的一个关键桥梁。那如果眶额叶有问题了会怎么办？我们就得提到一个历史名人——菲尼斯·盖奇，19世纪的一个美国铁路工人。

手执铁夯，左眼紧闭，菲尼斯·盖奇的这幅肖像伴随着他的神秘故事一直流传至今，他是神经科学史上最有名的病人之一。

他在工地的时候发生了一个事故。他当时在工地修铁路，需要买炸药开山炸路。有次他用一根铁棍把炸药压紧，铁棍不小心撞到石头上产生火星引发爆炸，铁棍飞出来，从他的左眼眶穿入，穿过他的整个头顶。

非常幸运的是，他用的铁棍非常光滑，没有什么毛刺，而且由于爆炸力非常强大，铁棍飞快地从他头部穿过，没有造成一些扩散性的创伤，也正好没穿过任何主要血管。所以虽然他头上留下了一个大洞，但是人活下来了，最后还基本康复。不过他的左眼已经没有了，铁棍穿过的时候他左眼受到损伤——他手里举的这根棍子就是当初穿过它整个头颅的棍子。这个事故的直接后果就是大脑的前额叶、特别是眶额叶这块就被完全破坏。

我们刚才提到前额叶非常重要，大家可以想象一下，他的前额叶发生破坏之后会发生什么事情？可能你们会猜他是不是变傻了。这个经典病例告诉我们，前额叶破坏了之后不会变傻。在盖奇康复了几个月后，专家给他做了心理测试、智商测试，发现他的智力水平跟事故前没有什么明显差异。盖奇还是可以完成像类似以前水平的语言、数学等任务。如果你跟他进行短暂的交流，会觉得他跟正常人差不多。

但在盖奇身上的确发现了问题。人们发现他的生活发生了一个特别大的改变，他最大的改变是性格变化。他本来是一个相当聪明友好的人，在发生事故之前，他已经是一个小工头的角色，会做些规划，如安排工人们的工作进度，是个非常有条理的人。但在事故之后会发现，首先他的脾气变得非常糟糕，很容易生气，变化很快，时而生气时而高兴，同时对其他人非常冷漠，对他人的感受都没有什么反应，这是他性格情感方面的变化。在另一方面发觉他的抉择产生了很大的问题，他没有耐心，有时候非常固执，想做某个事情的时候就一定要做，但有时候又非常犹豫不决，很难做决定。他在这个事故前非常有条理、非常有规划的特点完全丧失了，因此事故之后他就没法再回去工作，失业了。

我们普通人会觉得这个人好奇怪，他主要的变化看起来是两个不同方面的变化，一方面是感情的变化，另一方面是关于抉择能力的变化。但如果你顺着我刚才思路来想的话，就会发现这两个其实是密切相关的。我们的抉择强烈地依赖于评估系统，而评估系统跟我们的情感系统在很大程度上是一回事情。人类高级评估系统中的脑区眶额叶，在情感系统里面也是非常重要的区域，我们的评估结果经常通过主观情感体现出来。所以事故之后，盖奇在情感和抉择能力两方面受到了损伤是很好理解的。

评估系统和推理系统的对比

说了大脑这么多事情，我们想说理解大脑是怎么运作的，对AI会不会有些启发，现在的AI系统是不是借鉴了大脑的思考方式？

举个最近非常火的例子，Google的AlphaGo。AlphaGo在2016年著名的人机世纪之战中4:1战胜了当时的世界冠军李世石。然后在2017年它又进化了，跟我们中国的世界冠军柯洁下棋时5:0大胜。2017年之后就再也没有人机世界大战，因为在这星球上已经没有可以打败它的人了。

那么AlphaGo是怎么做的？它是用什么办法来下棋的？我刚才提到围棋是个非常复杂的运动，不仅仅是人，用计算机都不可能把所有变化都算出来。你会发觉AlphaGo的思路基本上就是我刚才说的评估、推理系统的设计。在AlphaGo里也有一个评估系统，它的评估系统大概分成两个模块，两者都是深度学习的神经网络。第一个模块叫做策略模块：把当前的棋局输到神经网络里，然后经过很多层，确切说是十三层深度学习神经网络的处理，最后输出最佳的几个位置，也就是我刚才说的棋感。

另外还有一个打分模块，它更直截了当，就是把棋局输进去，经过三层神经网络的处理，告诉你分数。它会告诉你现在盘面对你有多好，你是可能赢还是可能输。

在实际下棋的过程中，AlphaGo通过一个搜索系统进行推理。比方说，现在的棋局是这个状况，策略模块会说我接下去要考虑这两个可能的下法，它在不停地往下考虑，因为可能性非常多，即使是Google的电脑，也不可能把全部可能性考虑完。所以到了某个环节时，它必须在这边停下来打个分，评估是否再往下，或者只能算棋子了。那么可能说三步之后，打的这个分如果很不错，就从这边 （三步之后） 再反推回来，应该是通过这样的方式来下最有可能赢。 

AlphaGo系统，基本上就是一个相对简单的推理策略。加上前面深度学习的神经网络结合在一起，它就可以打败人类世界冠军。所以电脑也挺恐怖的，现在我们对大脑的了解还相当粗浅。当我们将大脑运行的原理与人工智能系统结合，它已经可以做非常厉害的事情。

刚刚提到了评估系统的各种特点，那么推理系统的特点是什么呢？

刚说到串联处理的一个直接结果就是比较慢，做事情需要一步一步地想。但它的好处是有逻辑，每一步思考的过程都是逻辑的过程，从A到B、B到C是非常有逻辑的推理。推理过程非常准确，不像评估系统容易受到外界因素的影响，比如注意力的引导等可能会跑偏。用逻辑计算就很难出错。它还有个特点就是相当灵活，如果发现结果不对，因为逻辑的存在，就可以顺着逻辑去找问题出在哪个地方，学习起来非常快。

所以相对于评估系统来说，推理系统有很多的优势。在人类大脑里存在的推理系统，是人之所以是人的原因，也使得人跟其他的动物比起来有巨大的差别。让我们现在拥有这么高度发达的文明。

好，我们再比较一下不同的物种或者说机器之间的特点。

我们从人开始讨论。前面说了人的评估能力很强，我们拥有敏锐的直觉。如果说，要对人类的评估和推理能力打分，那请问人的推理能力可以打几分？

我会只给人类打两分。

人类的推理能力其实非常有限。比如下棋，正常人大概只能算两步。因为我们的记忆容量非常有限。像去记电话号码，一旦电话号码超过九位，就很难一下子记住。如果要做一些更加复杂的推理，像做人生规划，我相信绝大多数人都会有些困难，对吧？所以人类推理系统的打分不是很高。

接下来我们来看一下猴子。大家会给猴子的评估系统打几分？

我会给他打四分。因为人的直觉 （判断一个东西是好是坏，一种情况是不是有利，看到一个恐龙能不能逃） ，猴子的系统同样有这些直觉。猴子的评估系统其实非常完善，可以有效帮助他们在自然界当中迅速作出反应、做抉择。但猴子的推理系统比人要差一些，我们现在认为猴子虽然也有一定的推理能力，但他肯定不具有人类一样高级的逻辑信息运算能力，所以猴子的推理能力打一星。

接下来我想让大家给我们现在最好的AI评估和推理系统打个分。你会打几分？

我们先从评估说起，很多人说，一分。OK。看来大家对AI系统的能力非常没有信心。大家的直觉很对。看来大家非常了解AI现在的主要缺点。

AI目前最大的问题就是没有直觉，没有足够的评估系统，AI没有最基本的常识。最基本的常识都需要靠工程师用很复杂的程序或者神经网络去实现，稍微高级一些的常识在AI系统里面几乎都没有。

但AI系统跟我们人比起来，有个非常强大的推理系统，无论围棋还是数学，AI的计算能力都非常迅速，每秒钟可以算几十亿次。 AI跟人的最大差别就是强大的推理系统。但评估系统非常薄弱 。

那么如果说AI的推理系统这么强大，为什么看起来还是比人笨很多呢？这说明，评估系统的在人类或者AI当中，都非常重要。仅靠推理，很难做出一个高级的智能体出来。

如何提高决策能力

最后，我们再来讲一下，要提高我们的决策能力，提高思考能力，我们可以做些什么？刚才提到，人类推理系统有优点也有缺点，它的重要的缺点是它的速度、还有精力、效率有限。人类要花费很大力气去下围棋、算数，而且效率要低很多。我们要提高决策能力的主要方式，是提高我们评估系统的能力。

提高人类评估系统的能力只有靠多练，我们经常说，好记性不如烂笔头。像下围棋的人，他们棋感是靠不停练习出来的。经过长期的训练之后，它就可以把这些非常复杂的问题——下围棋本来是要靠这些规则靠逻辑判断的问题——从推理系统搬到评估系统当中去做。人类大脑一旦学会了把某件事通过评估系统来解决，就会变得非常高效，这也是为什么人类在不同领域会存在专家。

专业人员和非专业人员的差别在于，专业人员经过了诸多训练。那些你觉得非常复杂的事情，对他们来说，就像看到苹果，判断它是苹果这样简单的考虑过程。一旦达到这个阶段，人的决策能力就会大大地增加。但是我们不能完全依赖评估系统去提高决策能力，还有一些其他办法可以提高推理系统的效率。

提高推理系统的效率最重要的因素是什么？就是知道应该什么时候运用推理系统。大多数事情不需要用推理系统去做，但在有些情况下，人类是需要用推理系统来解决问题的。

比方说，有一个老掉牙的智力题，一斤铁和一斤棉花哪个重一些？如果你听过这个题，肯定知道这两句话里面都有一斤这个数字，所以这两种东西应该是一样重。但如果你问一个从来没有听到过这个问题的人，特别是他注意力不集中的时候，当他听到关键字铁和棉花的时候，就会用评估系统去解决这个问题。所以人类要在合适的场合运用注意力，开动推理系统来解决问题，而不单单依靠评估系统。

另一个问题就是跳出常规，人的评估系统很容易用惯性思维思考。我不知道大家看武侠书多不多，在金庸的《天龙八部》里面有一个非常有名的棋局。一众武林高手想要解开这个棋局，如果有人能够解开，就会得到绝世武功的真传。可是当时连全天下最会下棋的武林高手都找不到突破口。他们的问题是棋感太好，一看这个棋盘，他们脑子里琢磨出最可能下的几个位置，然后从这个角度去思考，导致他们永远也解不出来。其实这就是一个非常规的棋局。除非你开始想正常人不会去想的，特别是有棋感的人不会去想的策略。最后，解开棋局的人反而是一个完全不会下棋的小和尚。这就是跳出常规。用你的推理系统跳出常规，不要依赖评估系统，反而会得到更好的结果。

最后我们来说使用工具，要知道推理系统存在的缺陷，它的推理过程比较慢，比较耗费精力。就像我刚才说的，好记性不如烂笔头。该用草稿纸，该用计算器就要用。要知道这些 工具 能够很好地辅助我们。

我刚才解释了评估系统，推理系统，最后我想用几句话来说一下，我们为什么要研究人类的决策？为什么要研究大脑的抉择？这不仅仅是我们想知道什么时候应该做什么样的抉择，怎么做更好的决策，另一方面研究决策可以告诉我们一些更加深层次的问题。

在这边我想说的一个点就是意识。那么很多关心大脑的人都会非常关心意识，想知道意识是怎么产生的？意识做了些什么？我们为什么要有意识？

上图是一幅大脑解剖图，最上面一块是大脑皮层，下面则是神经系统的一些其它结构。我刚才说了评估系统是主观上面没法体验，不知道他是怎么做的事情，也就是整个评估系统都是属于意识下的范畴内，而只有前额叶在考虑这些问题——我在哪我是谁，我在干什么——这是我们平时的推理系统不停在想的事情，做推理的时候你就要清楚我自己状况是怎么样，我的目的是什么。也就是说，研究推理系统其实就是解决意识问题的一个关键，如果我们能够把推理系统搞清楚了，很大程度上就会知道大脑的意识是怎么产生的，意识在做什么。

最后，跟大家分享一个我非常喜欢的卡通——XKCD，他画过的一个场景我不知道大家有没有经历过。但我经常会遇到这样的事情。比方说工作得非常晚，然后你晚上坐地铁回家的时候，你站在地铁里面，在考虑一个很高深的问题，然后你周围的人看起来好像都非常浑浑噩噩，你突然觉得好像众人皆醉唯我独醒的感觉。你现在都不知道这些人有没有意识，但是其实在车厢里面的每个人说不定都在想这样的事情。

通过这个漫画，我想说的是意识是一种很难直接通过行为来研究的东西。真正要了解意识，需要我们运用神经科学的研究手段，进入大脑，观察神经细胞的活动，分析它们和行为之间的关系，这我觉得才是科学地研究意识问题的方法，也是神经科学和抉择科学最吸引我的一个地方。

本文来自微信公众号： 神经现实（ID：neureality） ，讲述：杨天明，整理：五月、Root、小葵花、西子，审校：Spring、亦兰，编辑：EON

杨天明博士：中科院神经科学研究所、脑科学与智能技术卓越创新中心研究员。曾获得中科院百人计划、上海市浦江人才计划等支持。复旦大学生物化学学士，美国贝勒医学院神经科学博士。从事大脑的抉择和认知的神经机制研究以及大脑的人工神经网络模型研究20多年，曾在Nature、Neuron等杂志发表多篇第一或通讯作者论文，对我们了解由大脑前额叶以及后顶叶等高级脑区所组成的神经环路在抉择和认知过程中所起到的作用作出了重要贡献。

未来面前，你我还都是孩子，还不去下载虎嗅App猛嗅创新！