新皮質裡的一千個大腦

Lex 問 Hawkins 還記不記得兩年前的對話，Hawkins 藉機解釋大腦怎麼用突觸不斷更新對一個人的模型，而不是把記憶存在單一神經元裡。

新書分三部分談新皮質、AI 與人類未來；核心主張是新皮質裡有約十五萬個「皮質柱」，每個都是完整的建模系統，各自對同一件事物建模，再透過長距離連結彼此投票。

Hawkins 把智能定義為「建立世界模型的能力」，這個模型只能靠移動與互動學到，光用讀的學不會；預測不是目的，而是模型拿來檢驗自己對不對的方式。

他的理論是，海馬迴裡原本讓動物記得自己在哪裡的機制，後來被複製、壓縮成通用版本，塞進新皮質變成十五萬份；這也解釋了深度學習「壓縮再大量複製」為什麼奏效。

新皮質負責所有高階視覺、聽覺、觸覺與語言，也負責規劃與思考；Hawkins 認為不需要先理解情緒等舊腦功能，也能單獨理解新皮質怎麼運作。

多數預測不是靠神經元真的發射訊號，而是發生在神經元內部、不會外傳的「樹突尖峰」，等於讓預測中的神經元提早進入備戰狀態，搶先真正發火。

要預測手指摸到咖啡杯的感覺，大腦得先知道指尖相對於咖啡杯的位置，這就需要一套參考座標系；Hawkins 主張皮質柱正是靠這套機制建立所有模型。

水瓶上的品牌標誌、文字、字母是一層層堆疊的結構，大腦不必逐層重新理解；他引用 Vernon Mountcastle 的發現：同一套皮質演算法既能處理具體物件，也能處理抽象概念。

Hawkins 認為感覺運動式學習系統最適合用在機器人，或能「移動」的虛擬系統，例如靠連結在網路上遊走；他預測機器人與 AI 遲早會合流，因為背後是同一套演算法。

他不認為該給智慧機器權利，因為它不必然像人類一樣有求生慾望；機器可以有意識、可以深刻理解世界，卻完全不在乎自己會不會被關掉，慾望與目標得靠工程刻意植入。

Hawkins 強調自己不是憑直覺推測，而是根據他正在打造的機制下判斷；他同意 AI 是危險技術、也可能被誤用造成傷害，但不認為智能系統會自己產生毀滅人類的意圖。

他把風險拆成兩塊：智能本身沒有演化出來的求生本能，危險的是自我複製的系統，這才是類似病毒、迴紋針最大化那種失控情境的根源，該監管的是複製，不是智能。

把大腦上傳到電腦不會讓「你」消失，原本的你還是坐在這裡；Neuralink 式的融合更難的不是開刀，而是要精準對應十億甚至數十億個訊號各自代表什麼，這方面還差得遠。

Hawkins 認為 AI 最值得期待的不是端咖啡之類的小事，而是幫人類超越生物限制，例如派智慧機器工人去打造火星棲地，或派代表人類知識的系統飛向宇宙深處。

他說能接受人類滅絕，只要知識被保存與延續，不想像恐龍一樣消失得無聲無息；他也提議用一種能撐上百萬年甚至十億年的物理訊號（例如刻意製造的凌日訊號），向未來的外星文明證明人類曾經存在。

他寫書時設想的讀者是一百年後的人，不是外星人；他相信理解大腦這件事一旦被解開就是永久的答案，就像牛頓與愛因斯坦的理論至今仍然有用。

Hawkins 自承最擔心「投票」機制的細節，懷疑所謂單一模型也許其實是很多子模型拼湊而成；理論的大方向他有信心，但細節一定比現在講的更複雜。

他認為讓人失望的不是 AI，是人類很難擺脫演化留下的暴力傾向，以及天生容易相信錯誤的信念；他反對用審查解決假信念，主張讓每個人理解「大腦只是在建模，模型會出錯」。

萊特兄弟的關鍵突破是控制轉彎、不是推進；Hawkins 借此類比，理解大腦運算原理之後實作方式可以完全不同於生物構造，他的公司已把「稀疏連結」原理用在既有深度學習上，讓網路跑快 10 到 100 倍。

Hawkins 回顧自己在柏克萊唸研究所時被說這題目解不出來，靠著對「理解大腦」的熱情撐過去；他認為找到真心熱愛的問題，才扛得住過程中的挫折。

他坦言曾覺得養小孩會排擠掉解開智能之謎的時間，後來才發現當父母能帶來同樣深刻的喜悅；人生就那幾十年，不代表放棄一個夢想，只是把它往後挪一挪。

Hawkins 認為個人能做的頂多是讓好事提早發生，不是無中生有創造未來；他希望自己的研究能讓人類提早看懂錯誤信念，提早用上智慧機器解決氣候變遷之類的問題。