夜，伏牛山腹地，伸手不見五指。10月上旬的一天，第83集團軍某旅要點奪控演練進入了收官階段，只要確保整晚目標安全，勝利就屬于他們。
“嘀嘀嘀……”突然，野戰指揮所內警鈴聲大作。配置在必經路段的紅外傳感系統顯示有異物闖入。指揮員迅速借助系統智能分析軟件進行識別判斷，最后系統給出答案：大型動物誤入。
面對這一結果，偵察班班長王凱產生了懷疑：此時已是凌晨兩點，根據以往偵察經驗，這片山林鮮見大型動物出沒。王凱再次查看紅外圖片，仔細核實數據指標，果斷給出了自己的判斷：“敵特”入侵。
一邊是電腦數據分析，一邊是人腦經驗判斷。到底要不要分派兵力前往偵察搜捕？如果分派兵力，指揮所必然空虛，“敵”有可能乘虛而入。所以，大部分官兵堅持相信電腦判斷。
這時，上級再次打來電話詢問情況。王凱稍加思索后，對戰場情況進行了詳細的分析匯報，并堅定地給出“藍軍‘敵特’入侵”的判斷。
上級指揮所經過慎重考慮，決定采納王凱的判斷，派出精干力量前往搜捕。兩小時后，他們果然抓到了準備實施“斬首”行動的“敵特”小分隊。
電腦數據分析得出的結論緣何出現偏差？事后，藍軍“敵特”小分隊解釋，他們利用下雨天氣溫低的條件，借助木板和泥土等掩蓋身體的紅外源，甚至還故意捉了幾只動物進行闖關突破，誘導系統作出誤判。
演習結束，該旅組織專題討論，并請王凱分享了自己的感悟。官兵深刻認識到，借用信息化、智能化系統固然能快速判斷、輔助決策，但系統依據數據進行評判，一旦敵方掌握規律，就很可能找出系統漏洞，導致系統誤判。所以盡管引入了智能化輔助手段，在指揮決策方面，人仍是主導因素。（本報特約通訊員 胡瑞智 石良玉 班建偉）
不可盲信“智能化”
■第83集團軍某旅政治工作部主任 楊建華
人工智能以其先進的算法在軍事領域被廣泛應用，極大地改變了傳統作戰方式，有效提升了指揮決策的科學性。但我們應當清醒地認識到，依靠人工智能輔助決策不等于不加思考地依賴人工智能，特別在“智能化”尚未完全成熟的條件下，人在戰場決策方面依然起著主導作用。
用兵之道，貴在隨機應變。未來戰場瞬息萬變，再高明的算法也不可能預想全部情況，也會存在一些難以規避的短板和缺陷。對于指揮員來說，第一位的仍是不斷提高知敵料敵制敵能力，能夠快速洞察戰場，自主研判態勢、正確定下決心、科學制訂方案、實施精準指揮，扛起領兵打仗的責任。
來源： 解放軍報
特斯拉公司首席執行官埃隆·馬斯克想要在2020年底之前將人腦連接到計算機上。“從移居火星到改造人類，瘋狂的馬斯克正在讓科幻變成現實”，據英國《金融時報》18日報道，他旗下的腦機接口初創公司Neuralink，希望在明年年底之前開始對人類患者進行試驗。馬斯克16日晚在一個產品演示會上表示，人類面臨被人工智能（AI）超越的風險，但如果人腦能通過與電腦連接，將讓人類實現“某種與人工智能的共生”。然而，這一雄心勃勃的項目立即在世界范圍內遭到質疑。“我們的大腦會被人工智能劫持嗎？”德國《焦點》周刊18日稱，“這將是非常可怕的結局”。還有網友幽默補刀：“好的，我們很快在睡夢中也要看到跳不過去的廣告了！謝謝馬斯克！”
馬斯克
雄心勃勃
這家位于舊金山的初創企業16日表示，他們已經找到了高效實現腦機接口的方法。這實際上是一套腦機接口系統：利用一臺神經手術機器人向人腦中植入其稱為“線”的專有技術芯片和信息條，然后可以直接通過USB-C接口讀取大腦信號，甚至可以通過蘋果手機的應用程序（App）進行控制。Neuralink公司已開始在老鼠身上進行測試，并與加州大學戴維斯分校合作用猴子實驗。
馬斯克旗下公司的腦機接口植入方式。
在16日通過視頻網站YouTube公布的演示中，該公司展示了一個連接到實驗鼠身上的系統，可以從1500個電極讀取信息，馬斯克稱目前已經通過實驗證明，“猴子可以通過大腦控制電腦”。馬斯克說，這個新領域有望增強人體機能，或為截癱患者配備可用大腦操控的機器人。
腦機接口系統工作原理。
據《紐約時報》17日報道，電極線、植入線的機器人以及用于讀取大腦信號的芯片，是上述腦機互動設備的核心技術。美國“前沿”科技網站16日稱，柔韌的電極線是Neuralink首次公布的重大突破。這些線的寬度大約是 4 到 6 微米， 相當于頭發絲的1/4。與腦機接口現在使用的材料相比，這種線對大腦造成損傷的可能性較小。至于頭部開孔，目前外科醫生必須在頭骨上鉆孔才能植入螺紋。但在未來，他們希望使用激光束在頭骨上打出一系列小孔。
可以自動植入這些線的機器人是Neuralink 的另一個重大突破。這個機器人被形象地稱為“縫紉機”，因為工作方式類似于縫紉機，一針一針地將線植入大腦。該機器人每分鐘能夠植入6根線。此外，Neuralink 已經開發了一個能夠更好讀取、清理和放大大腦信號的定制芯片，通過上述電極線與大腦連接，每一根線束由1024根線組成，每一根都可以無線連接到耳后一個可穿戴、拆卸和升級的設備，這個設備可以與手機無線交互。
《金融時報》18日報道說，在16日的演示會上，Neuralink的高管們樂觀表示，這項技術很快可幫助人類應對一系列疾病，比如幫助截肢者重新獲得行動能力，僅通過思維就可以實現交流，以及恢復運動與感官功能。他們表示，該公司將爭取美國食品藥品管理局（FDA）的批準，最早于明年開始人體臨床試驗。
技術質疑
新腦機接口技術也被稱作“生物黑客”行為，往人體植入芯片是科幻片中“生物黑客”的典型做法。一些網友已經按捺不住對“人腦黑客”技術的向往。有的說：“Neuralink正在打造真正的黑客帝國！”有的說：“黑客帝國中，矩陣用的是腦后插管，而現實生活中，馬斯克用的是耳后插管。”還有不少網友要求做Neuralink的試驗品：“我想進入黑客帝國，馬斯克，快幫我引薦一下。”
盡管馬斯克的新項目主旨是通過對人腦以植入芯片來改善腦損傷以及其他殘疾患者的生活，但“雙刃劍”式的人工智能對人腦進行控制的做法遭到很多質疑。美媒稱，當前馬斯克公司尚未向FDA提交獲準啟動對人腦進行此項試驗的申請流程。
《麻省理工科技評論》17日稱，目前大腦的信息采集方式分為兩種：侵入式和非侵入式。Neuralink采用的是前者。侵入式方法的好處是采集的信號非常準確，但缺點也很明顯，它對大腦存在一定的破壞性，開顱手術本身也具有相當的風險性，有感染可能；同時，實驗從動物到人的時候，是不是能實現，有什么排異反應，有沒有人愿意做實驗是有待觀察的。
同日，《紐約時報》報道稱，獨立科學家警告說，實驗在動物身上取得成功不一定就意味著能夠在人體上取得成功，人們還需要進行人體實驗來確定這項技術的前景。卡耐基梅隆大學生物醫學工程系主任何斌說，如今一些癲癇患者植入了數十根電極線來監測大腦活動，但在普通人群中，這樣植入大腦的電極線可能會造成風險或者潛在地損害大腦的工作。
美國《商業內幕》17日報道說，美國神經反饋學專家菲利普·海勒認為，Neuralink的腦機接口系統存在風險，“當醫生打開病人頭骨來整合腦機接口時，可能導致腦損傷、炎癥和結疤”。德國弗萊堡大學生物醫學微技術系的斯蒂格利則直言，Neuralink的方法不切實際，“雖然它可能會成為偉大的科幻小說，但實際上只是胡扯”。
有網友18日這樣諷刺馬斯克：“科學：我們還不太懂大腦怎樣工作。埃隆：我們可以用藍牙連接大腦了。”
倫理擔憂
“好萊塢電影的情節離現實又近了一步！”德國新聞電視臺18日稱，《黑客帝國》等好萊塢電影，想象了一個人工智能和機器人崛起，人腦被植入設備的高科技時代。現在，億萬富翁馬斯克正在讓幻想變為現實。人類無限神秘的內部世界正在被逐漸打開。這會是一個美好的開始，還是一場噩夢，現在仍是一個未知數。
有美國專家在接受美國有線電視新聞網采訪時表示：“從原始腦活動中搜集數據具有很大危險性，可被用于對人腦的影響、操縱和利用。誰能進入這些數據？這些數據是否與第三方分享？人們應對其個人腦數據進行全面控制。”《人類/機器》一書的作者之一丹尼爾·紐曼也表示：“委托大企業使用我們大腦數據的想法會對社會造成一定程度的不安，現尚無證據表明我們應對朝著此方向發展感到信任。”
的確，很多網友都表達了這方面的擔心，有網友說：“馬斯克為什么不自己先試試？”還有網友說：“看了馬斯克的演示，我整宿睡不著覺，胡思亂想——關于未來，關于技術，自己會不會以半機器人的身份死去，機器人會不會殺了我們？”
德國《焦點》周刊18日稱，這項腦機交互的技術，盡管有可能增強人腦，但也可能讓人類被人工智能劫持。一旦被劫持，機器就可以控制人類的思維、感情及活動。此前已經有20多位神經系統學家、倫理學家和機器智能工程師通過《自然》雜志表示反對這種嘗試。現在仍需要持續的討論，讓它朝著人性化方向發展。
“馬斯克的目標：把人類變成半機器人”，奧地利《標準報》18日發表評論稱，馬斯克再次想要“拯救世界”，他可能認為這是超越自然和增加人類智慧的一種方式，到那時，“馬斯克就可能成為上帝”。但這是反人類的，涉及倫理道德等問題。如果人類大腦被控制，將引發無法控制的結果，比如人類互相殘殺、戰爭等，“人類還沒有為此做好準備”。
來源：環球時報-環球網/王逸
長按關注，
您就是環環的衣食父母
覺得不錯，就點在看哦～! ↓↓↓
今為止，人腦與電腦的恐怕是最值得比較的兩件事物了。早在計算機發明的初期，著名數學家馮諾依曼就對當時的電腦和人腦在已知的知識范圍內進行了系統性的對比。他發現，生物的大腦與機器相比最大的優勢就在于，它能夠利用相對落后的零部件在一個充滿隨機漲落的高度不確定的環境中非常敏捷快速的作出正確的計算，而且還是以一種相當綠色環保的方式——能耗非常低地進行的。恐怕在這一點上，連最厲害的AlphaZero也無法做到。那么，人腦是如何實現的呢？這就是蘊藏在統計與概率之中的大數之道。
馮·諾依曼的手稿《自復制自動機理論》，由人工智能先驅 Arthur Burks 整理成書。集智俱樂部資深粉絲“東方和尚”將全書第一部分翻譯成中文，張江做了詳細點評。我們將其整理成“馮·諾依曼自動機器理論”系列文章，以饗讀者。本文是第五篇。
全書綱要：
人工智能如何擲骰子——三種概率理論
大數之道——人腦與電腦的對比
第五堂課：復雜自動機的一些考量——關于層次與進化的問題
在翻譯過程中，做了以下的添加和修改：
1、為了方便閱讀，為原文進行了分段，并加上了段標題；
2、為了讓讀者感覺更親切，加上了若干副插圖。
3、為原文添加了大量的評論，東方和尚的評論和張江老師的評論都會標注出來，另外，因為這本書是馮·諾依曼的助手 Arthur W. Burks(遺傳算法之父 John Holland 的博士生導師)，所以在框中的文字是編者加的注解。大家要注意分辨。
一、人腦與電腦的比較
但大腦神經元的數量級大致可以確定為 10^10的級別。而身體其他部分的神經元數量大概要比這個數字小很多， 并且它們也源自大腦。最大的大腦周圍神經集合是視網膜，從視網膜連到大腦的視覺神經被認為是大腦的一部分[68]。
相比大腦的神經元數量，計算機器用到的電子管個數要小一百萬倍。現有最大的計算機器，ENIAC 只有 2×10^4 個電子管。另一臺屬于 IBM 公司的大型計算機器，SSEC 包括了各 1 萬 個電子管和繼電器。正在建造中的最快的計算機器，其設計包括了 3 千個電子管。電子管數量的減小是由于對內存的處理手法有所不同，之后我會提到。
在這個電腦 vs 人腦的較量中，有一個因素是對于前者有利的：計算機的速度比人腦要快。人腦神經元的反應速度大約是半毫秒。但用這個時間來衡量人腦的速度是不公平的，因為更重要的不是神經的激發時間，而是神經的恢復時間，也就是從一次反應到恢復到能夠再次反應的時間長度。神經的恢復時間最快也需要 5 毫秒。對于電子管來說，很難估計速度， 按現在的設計，重復的頻率（時鐘主頻）很難超過每秒一百萬次[70]。
編者Arthur W. Burks注：
【馮紐曼接著從體積上比較了人類神經系統和計算機的區別。這個區別主要來自于控制和信號放大是怎樣實現的。在電子管中間，運算體積實質上是陰極和控制柵極之間的空隙，其尺度約為 1 毫米；而在神經細胞中，運算對應的是神經膜約為 1 微米的厚度。兩個尺度的比例是 1000：1，而它們的電壓之比也是 1000：1，因此電子管和人腦信號的場強是大致相 當的。這說明，兩者之間能量消耗的差異主要來自于體積上的不同。尺度上 1000 倍的區別，換算成體積就要差到 10 億倍，能量消耗也差不多。請參見馮紐曼著作《計算機和人腦》[71]。
馮紐曼接著計算了“每一步基本信息操作，即每一個二義選擇以及每次傳送一個基本單位信息所需要產生的能量”，包括三種情形，熱力學的最小值、真空管以及神經元[72]。
在第三堂課上，馮紐曼曾提到，熱力學信息是由對數方式來測量的。也就是對于所有的可能性用 2 為底來取對數。因此，在二選一情況下的熱力學信息等于 1 bit。問題是，bit 不是我們用來測量能量的單位。只有當你指定溫度之后，熵和能量才能被聯系起來，在低溫下運行可以降低消耗能量的下限。”他接著計算了這個熱力學信息相對應的最小能量值，也就是 kT logN 爾格。這里 k 是玻爾茲曼常數(1.4×10-16 爾格/度)，T 是絕對溫度，而 N 則是可能性的數量。對于二進制的基本計算 N=2，室溫下 T=300K，對應于 1bit 的熱力學能量下限為3×10^(-14)爾格。 馮紐曼估計大腦消耗 25 瓦的能量，具有 10^10 個神經元，因此平均來說，每個神經元每秒激活 10 次，因此每次二進制運算中神經元的能量消耗為3×10^(-3) 爾格。他估計真空管消耗6 瓦，每秒激活 100,000 次，故每次二進制運算中，電子管的能量消耗是 6×10^2 爾格。】[73]
因此，我們現有電路機制的效率要比神經系統低二十萬倍。接下來計算機器會不斷地改良，可能用能夠放大電信號的晶體來替代電子管。但是即便如此，也要比神經元效率低一萬倍。值得注意的是，熱力學規定的下限（3×10^(-14 )爾格）和實際每次神經激發所消耗的能量（3×10^(-3 )爾格）之間有一千億倍（10^11）的差距。這說明，關于大腦和智能的本質，僅僅用熱力學來分析還是遠遠不夠的。以對數坐標表示的話，生物的神經系統正好處于熱力學下限 和我們現有的簡陋計算機器的中間位置。我不知道是什么導致了上述差距，有可能是同時要確保操作的可靠性有關系。
二、記憶之謎
【馮紐曼接下來討論了記憶元件。電子管雖然是開關電路，卻也可以當作內存來用。但因為儲存一個二進制數字需要用到一對管子，另外還需要一個單獨的電子管來輸入輸出數據，電路繁復，所以用電子管來建造大規模的內存缺乏可行性。“實際我們用來儲存數據的設備并不是像電子管這樣的大型元件，而是比較微觀的裝置，信息是以虛擬的形式存在的”，他舉了兩個儲存數據的例子：聲波延遲線以及陰極射線管。所謂聲波延遲線，是一個裝滿著水銀的管子，兩頭各有一個壓電陶瓷晶片。當有電信號的時候，壓電陶瓷把信號轉變為聲波，并在水銀中傳送，因為聲波的傳送速度較慢，經過一段延遲之后，另一端的晶片又把聲波信號轉回成電信號，經過放大處理，再次返還到發射端晶片去。
這個聲-電循環可以無限地重復下去，從而達到儲存數據的目的。一個二進制的數字可以用某個時間對應的位置是否有脈沖存在來表示。因為這樣的脈沖串不斷循環于延遲線系統中間，所以這個數字并不是儲存在某一個具體位置。“其記憶沒有特定位置”
信息也可以用電荷的形式儲存在陰極射線管的內壁上面。用一個具體區域上面的電荷對應二進制數字。這些電荷可以用陰極電子束來放置和檢測。因為必須經常給這些內壁充電，而且對應于具體數字的位置可能會發生變化。這種數據儲存的方式也是虛擬的。“這種內存從結構上說，也沒有確定的位置，而且對于這種內存裝置的控制也是虛擬的，因為物理實體并沒有發生改變。”】
因此，我們沒有理由相信人腦的中樞神經系統是用開關電路（神經元）來直接實現記憶的。人的記憶總量一定是非常巨大的，要比 10^10 bits 要大很多[76]。如果你計算一下一個人一生中的所有記憶以及對他重要的其他關鍵信息，估計至少需要 10^13 bits 才夠。當然，我們不知道這樣的估計有多么可靠。但是我認為人大腦的記憶能力，絕對要超過 10^10 bits。我也不知道把我們對于計算機器的初步了解和神經系統相比較是否合理，但是，如果我們的經驗說明了什么的話，這就是記憶不太可能是用神經元直接實現的，也不太可能是用任何類似于開關電路的簡單粗暴的方式實現的。有人說記憶來自于神經突觸上的閾值變化。我不知道這種說法是否成立，但是至少計算機上的內存實現同網絡閾值還沒有關系。把人工自動機和神經系統做比較，讓我們感到后者的記憶實現應該比前者先進的多，虛擬的程度也高得多。因此我認為現在要對人類的記憶機制和其物理位置做出任何猜測，還為時過早[77]。
唯一讓模擬機制去處理復雜問題的辦法就是把問題拆分成小塊，分而治之。而這就是數字化的思想。
三、不同的糾錯模式
【馮紐曼下面談到了上述差距的深層原因。這是因為很多生物部件是為了保證整個系統可靠運作而存在的。在第三堂課中間曾經講到，實際的計算過程中，每個單元僅以某一個概率正確地運作，而不是必然如此。在零件較少的小型系統中間，這種整個系統發生故障的可能性相對很小而常被忽略。但是對于大型系統，出錯是必然發生的，故隨著系統復雜度的升高，對于錯誤的處理也變得更加重要了起來。
為了證明這條結論，可以做一些計算。假定系統設計要保證單個元件的故障不會導致整 個系統崩潰，可以以元件的平均壽命來計算故障概率。以人類神經系統為例：大腦有 10^10 個神經元，每個神經元平均每秒激發 10 次，在致命故障之間的平均的自由程長度（機體的平均壽命）是 60 年。60 年等于 2×10^9 秒，這些數字乘起來得到人一生神經元的激發總數：2×10^20，因此要保證正常運行，故障概率就應該小于這個數字的倒數，即 0.5×10^(-20)，對于數字計算機，電子管、每秒的運行次數以及系統平均正常運行時間分別為：5×10^3、10^5 和 7小時；那么合計起來，故障概率為 10^(-12) 就足夠了。在《計算機與人腦》中，有類似的比較82。 他指出了電子管以及一般的電子元件的故障概率還達不到 10^(-13) 的水平，而且神經元可能也達不到。但是，在設計計算機的時候，我們可以把計算機設計成一旦發生錯誤，就會停機，然后操作員就可找到錯誤并改正之。舉例來說，計算機可以把一個運算計算兩次，比較結果，一旦有錯誤就停機[83]。】
所以，整個生物體的可靠性長度取決于要多長時間才會出現固定數量的不可修復故障，進行了多少次的調整和永久繞行，以及到最后，要多久才會徹底無計可施，再也無法修復。生命同那種一觸即潰，一個錯誤就會土崩瓦解的系統，完全就是兩回事。
計算機能夠被應用于數學中，關鍵的一點就是數學分析的統計性質已經被研究得相當透徹，并且其計算量是比較均勻的。從數學角度看起來差別很大的一些問題，如求解一個 10
【馮紐曼下面說明，為何一旦出現故障，計算機就要停機的原因。因為出現錯誤后，技術人員就得把錯誤找出來修改，定位往往是通過二分法進行的，即把機器分成兩半，確定故障發生在哪一半中間，如此反復直到找到。但如果有不止一個故障，那么就很難用二分法來定位了。】
Jake 點評
由此可見，人工自動機與真實生命并不在于單獨零件的好壞，也不在于運算速度的快慢，記憶存儲的多少，而在于這種組裝的統計規律。也就是說，我們真正不理解的是一種統計上的法則，正是這種法則才導致了真實生命可以將不可靠的零部件組裝成可靠的整體；而恰恰是我們對這種
未知的統計規律可能恰恰蘊含在各種零部件、各種系統組分的數量級（標度）的比例中。無獨有偶，這種對標度統計規律性的認識恰恰在近年的復雜性研究中異軍突起了，這就是 G.West 以及 J.Brown等人所號召的“代謝生態學”（參見：《流的探索》以及 J.Brown: Toward a Metabolic Theory of Ecology, Ecology, 85(7), 2004, pp. 1771–1789）。
物質交換量（新陳代謝 F）與生物體體積（B）會呈現出一種 3/4 的冪律關系，如下圖：
如果我們假設現實的生物已經進化出了一種最優的結構，那么新陳代謝和生物體積之間形成的 3/4 冪律關系就是一種最優的結構。
例如對于任何計算系統都存在著最優的開放程度，也許這種開放程度就與系統自身的規模存在著 3/4 的冪律關系（參見：
需要強調的是這個頻率與體積的- 1/4 的冪律關系。在馮紐曼的論述中，他特別提到了元
我們的研究還發現，冪律關系普遍存在于復雜系統之中，例如國家、城市，甚至虛擬社區都存在著各種宏觀量之間的冪律關系（參考：Jiang Zhang,Tongkui Yu: Allometric Scalingof Countries; Physica A Vol.389(2): 4887-4896；L. Bettencourt, J. Lobo, D. Helbing, C.但是，直到今天，我們所給出的這些冪律關系還仍然是類似集郵一樣的工作，實際上還不理解所有這些冪律現象背后的大數之道。有趣的是，Geoffrey West于去年剛剛將其一生對不同復雜系統，包括宇宙、生命、城市等的標度率研究全部概括到了一本最新的書中《Scale》。
封面網址：
https://images.penguinrandomhouse.com/cover/9781594205583
參考文獻
以下譯者按均指東方和尚的注解
無論多么復雜的模擬或者信號電路，其基本元件都是三極管：用一個極上的電壓來控制另外兩個極上的電流，從而實現信號的放大、處理等功能。例如電子管的陰極用來發射電子，陽極用來吸收陰極所發射的電子，柵極用來控制流到陽極的電子流量。電子管工作時，加熱陰極，發射出來的電子穿過柵極金屬絲間的空隙而達到陽極，由于柵極比陽極離陰極近得多，因而改變柵極電位對陽極電流有很大影響，這就是電子管的放大作用，換句話說就是柵極電壓對陽極電流的控制作用。在神經元中間，整個神經細胞的外膜是由磷脂構成的，由于細胞內外的離子濃度不同，膜之間有一個電壓差，維持在十分接近一個稱為動作電位的臨界電上，一旦受到來自其他神經元的刺激，電壓稍稍升高，超過了動作電位，則會導致離子通道開放，鈉離子向內涌入細胞中，從而導致電壓的進一步升高。這就是神經細胞的信號放大實現方式。神經細胞只有開、關兩種狀態，因此更類似于數字電路而非模擬過程。
現代計算機建立于通用計算之上。這是因為絕大多數科學問題都可以最后歸結成一個計算問題。什么樣的問題可以用類似性質的計算，又需要多大的計算量，這類問題的研究稱為計算理論，例如著名的P=NP？問題，就是把數學計算問題分為多項式和指數兩大類。當然，還有那些尚無法單純歸結于計算的問 題，比如上述文字的翻譯乃至生命的實現等。
所謂復雜性閾值，是指達到之后就會復制其自身，并不斷地變異進化，跟生命一樣生生不息。也即對應生命核心的復雜度最低下限。50 年以后回頭看，馮紐曼至少說對了一半，在通用計算上，計算機的確很快超越了閾值，所以同樣一臺計算機可以用于任何的計算用途。但在像生命一樣去適應環境，給自身編程這個方面，卻幾乎沒有進展。
作者：John von Neumann 20世紀最重要的數學家之一，在現代計算機、博弈論、核武器和生化武器等諸多領域內有杰出建樹的最偉大的科學全才之一，被后人稱為“計算機之父”和“博弈論之父”。
編者：Arthur W. Burks 馮·諾依曼的助手，遺傳算法之父 John Holland 的博士生導師
譯者：東方和尚 集智俱樂部神秘粉絲 曾與張江在集智俱樂部的網站上互相過（hu）招（dui）
注者：Jake張江 集智俱樂部創始人，集智AI學園創始人，北師大教授