一篇新論文探討了意識(shí)的必要條件，強(qiáng)調(diào)了大腦與計(jì)算機(jī)之間的關(guān)鍵差異，尤其是在因果結(jié)構(gòu)方面，并指出真正的意識(shí)體驗(yàn)可能不僅僅需要模擬。
在一篇新論文中，Wanja Wiese探討了意識(shí)存在必須滿足的條件。其中至少有一個(gè)條件在計(jì)算機(jī)中是找不到的。
人工智能是否應(yīng)該發(fā)展出意識(shí)？德國(guó)波鴻魯爾大學(xué)第二哲學(xué)研究所的 Wanja Wiese 博士認(rèn)為，由于種種原因，這并不可取。他在一篇文章中探討了意識(shí)存在所必須滿足的條件，并將大腦與計(jì)算機(jī)進(jìn)行了比較。他發(fā)現(xiàn)了人類與機(jī)器之間的顯著差異，其中最明顯的是大腦區(qū)域的組織以及記憶和計(jì)算單元。他認(rèn)為："因果結(jié)構(gòu)可能是與意識(shí)相關(guān)的差異。"這篇文章于2024年6月26日發(fā)表在《哲學(xué)研究》雜志上。
在考慮人工系統(tǒng)產(chǎn)生意識(shí)的可能性時(shí)，至少有兩種不同的方法。一種方法是問(wèn)目前的人工智能系統(tǒng)具有意識(shí)的可能性有多大？另一種方法是：哪些類型的人工智能系統(tǒng)不太可能有意識(shí)，我們?nèi)绾尾拍芘懦承╊愋偷南到y(tǒng)變得有意識(shí)的可能性？
Wanja Wiese 尋找計(jì)算機(jī)與大腦之間的差異。圖片來(lái)源：RUB, Marquard
Wanja Wiese 的研究采用的是第二種方法。"我的目的有兩個(gè)：首先，降低無(wú)意中創(chuàng)造人工意識(shí)的風(fēng)險(xiǎn)；這是一個(gè)理想的結(jié)果，因?yàn)槟壳斑€不清楚在什么條件下創(chuàng)造人工意識(shí)在道德上是允許的。"他解釋說(shuō)："其次，這種方法應(yīng)該有助于排除表面上有意識(shí)的人工智能系統(tǒng)的欺騙行為。這一點(diǎn)尤為重要，因?yàn)橐呀?jīng)有跡象表明，許多經(jīng)常與聊天機(jī)器人互動(dòng)的人認(rèn)為這些系統(tǒng)具有意識(shí)。與此同時(shí)，專家們一致認(rèn)為，目前的人工智能系統(tǒng)沒(méi)有意識(shí)。"
Wiese在文章中問(wèn)道我們?nèi)绾尾拍馨l(fā)現(xiàn)是否存在傳統(tǒng)計(jì)算機(jī)等無(wú)法滿足的意識(shí)基本條件？所有有意識(shí)的動(dòng)物都有一個(gè)共同特征，那就是它們都活著。然而，"活著"是一個(gè)如此嚴(yán)格的要求，以至于許多人認(rèn)為它并不是意識(shí)的必要條件。但是，也許某些對(duì)于活著是必要的條件對(duì)于意識(shí)也是必要的？
Wiese 在文章中提到了英國(guó)神經(jīng)科學(xué)家卡爾-弗里斯頓的自由能量原理。該原理指出確保生物體等自組織系統(tǒng)持續(xù)存在的過(guò)程可以被描述為一種信息處理。在人類中，這些過(guò)程包括調(diào)節(jié)體溫、血液中的含氧量和血糖等重要參數(shù)的過(guò)程。同樣類型的信息處理也可以在計(jì)算機(jī)中實(shí)現(xiàn)。不過(guò)，計(jì)算機(jī)不會(huì)調(diào)節(jié)體溫或血糖水平，而只是模擬這些過(guò)程。
研究人員認(rèn)為，意識(shí)也可能如此。假設(shè)意識(shí)有助于有意識(shí)生物體的生存，那么根據(jù)自由能原理，有助于維持生物體的生理過(guò)程必定會(huì)保留有意識(shí)體驗(yàn)留下的痕跡，這種痕跡可以被描述為信息處理過(guò)程。這可以被稱為"意識(shí)的計(jì)算相關(guān)性"。這也可以在計(jì)算機(jī)中實(shí)現(xiàn)。不過(guò)，計(jì)算機(jī)可能還必須滿足其他條件，才能不僅模擬而且復(fù)制意識(shí)體驗(yàn)。
因此，Wiese在文章中分析了有意識(shí)的生物實(shí)現(xiàn)意識(shí)的計(jì)算相關(guān)性的方式與計(jì)算機(jī)在模擬中實(shí)現(xiàn)意識(shí)的方式之間的差異。他認(rèn)為，這些差異大多與意識(shí)無(wú)關(guān)。例如，與電子計(jì)算機(jī)不同，我們的大腦非常節(jié)能。但這并不是意識(shí)的必要條件。
然而，另一個(gè)區(qū)別在于計(jì)算機(jī)和大腦的因果結(jié)構(gòu)：在傳統(tǒng)計(jì)算機(jī)中，數(shù)據(jù)必須首先從內(nèi)存中加載，然后在中央處理器中處理，最后再存儲(chǔ)到內(nèi)存中。而大腦中沒(méi)有這種分離，這意味著大腦不同區(qū)域的因果連接采取了不同的形式。Wanja Wiese 認(rèn)為，這可能是大腦與傳統(tǒng)計(jì)算機(jī)之間與意識(shí)相關(guān)的區(qū)別。
"在我看來(lái)，自由能原理提供的視角特別有趣，因?yàn)樗试S我們以這樣一種方式來(lái)描述有意識(shí)生物的特征，即這些特征原則上可以在人工系統(tǒng)中實(shí)現(xiàn)，但在大類人工系統(tǒng)（如計(jì)算機(jī)模擬）中并不存在，"Wiese解釋道。"這意味著，可以用更詳細(xì)、更精確的方式捕捉人工系統(tǒng)中意識(shí)的先決條件"。
編譯自/ScitechDaily
年前，高考結(jié)束后的暑假，作為班里的“電腦愛(ài)好者”，我經(jīng)常被同學(xué)們問(wèn)上大學(xué)配什么新電腦。當(dāng)時(shí)的我告訴大家，配好電腦有兩個(gè)東西很重要，一個(gè)叫CPU，決定電腦反應(yīng)速度的快慢；另一個(gè)叫GPU，負(fù)責(zé)圖形的運(yùn)算，玩電腦游戲流暢可得靠它。
用于桌面計(jì)算機(jī)的GPU和數(shù)據(jù)中心計(jì)算機(jī)的GPU（圖片來(lái)源：Amazon）
那時(shí)候的GPU，在大家印象里就是用來(lái)打游戲的。然而8年后的今天，隨著ChatGPT等大語(yǔ)言模型（LLM）橫空出世，能夠處理人工智能高性能計(jì)算的GPU突然引來(lái)各大科技公司搶購(gòu)。自稱為“人工智能計(jì)算領(lǐng)域的領(lǐng)導(dǎo)者”的GPU生產(chǎn)商英偉達(dá)（NVIDIA）在一年內(nèi)股價(jià)飆升，6月19日更是一躍成為全球市值最高的公司。剛剛高考完的同學(xué)們要是想買臺(tái)帶GPU的電腦，申請(qǐng)“爸媽輪天使投資”的理由也變成了“我想學(xué)人工智能”。
GPU生產(chǎn)商英偉達(dá)（圖片來(lái)源：英偉達(dá)）
8年之間，GPU如何從“游戲處理單元”蛻變成“人工智能處理平臺(tái)”？帶著這個(gè)問(wèn)題，今天和大家一起聊聊，GPU到底是怎么回事。
比起GPU，大家可能更熟悉的還是計(jì)算機(jī)的CPU，全稱為中央處理單元（Central Processing Unit）。CPU是計(jì)算機(jī)的“大腦”，它支配計(jì)算機(jī)中的其他部件，協(xié)同完成網(wǎng)頁(yè)瀏覽、游戲渲染、視頻播放等等一切“計(jì)算任務(wù)”。CPU決定了計(jì)算機(jī)的運(yùn)行速度，有一句網(wǎng)絡(luò)用語(yǔ)是“把我CPU干燒了”，就是用CPU工作溫度過(guò)高失靈，來(lái)比喻腦子里的事情太多太復(fù)雜，腦子轉(zhuǎn)不過(guò)來(lái)了。
左為CPU是計(jì)算機(jī)的“大腦”（圖片來(lái)源：veer）；右為英特爾（Intel）i9-12900KS CPU（圖源：hothardware）
而GPU也是被CPU支配控制的部件之一。GPU全稱為圖形處理單元（Graphic Processing Unit），主要功能是完成圖形處理相關(guān)任務(wù)，以GPU為核心的主板擴(kuò)展卡就是大家在買電腦時(shí)經(jīng)常聽(tīng)說(shuō)的顯卡。
英偉達(dá)Geforce 6600 GT GPU（圖片來(lái)源：wiki）
安裝在臺(tái)式機(jī)箱里的CPU和GPU，這是英偉達(dá)網(wǎng)站上一個(gè)搭載RTX40系列GPU的機(jī)箱概念圖（圖片來(lái)源：英偉達(dá)）
理論上，所有能由GPU完成的計(jì)算任務(wù)，都能由CPU完成。一臺(tái)電腦沒(méi)有獨(dú)立GPU仍然能夠正常開機(jī)，但若是沒(méi)了CPU就“臣妾不能夠了”。既然如此，我們?yōu)槭裁催€要花大價(jià)錢去買GPU呢？因?yàn)椋拖裎覀儾荒軖侀_劑量談毒性，計(jì)算機(jī)也不能拋開“性能”談“功能”。
CPU和GPU各有擅長(zhǎng)的計(jì)算任務(wù)（圖片來(lái)源：IBE）
對(duì)于游戲渲染、人工智能這些計(jì)算任務(wù)，CPU并不擅長(zhǎng)，雖然也能從功能層面上完成，但性能表現(xiàn)十分有限。對(duì)于游戲渲染而言，性能的局限性體現(xiàn)在更低的幀率，更粗糙的畫質(zhì)上，也許無(wú)傷大雅。但在人工智能的應(yīng)用上，以大語(yǔ)言模型GPT為案例分析，如果僅使用CPU的話，其訓(xùn)練時(shí)間將長(zhǎng)達(dá)數(shù)百年，這樣的速度顯然不能滿足我們對(duì)于人工智能技術(shù)突破的渴望。
而GPU恰好擅長(zhǎng)這些“熱門且艱巨”的任務(wù)。在配置了GPU的計(jì)算機(jī)系統(tǒng)中，CPU不再孤獨(dú)地承擔(dān)一切，而是將這些自己不擅長(zhǎng)的任務(wù)卸載（offload）到GPU上加速執(zhí)行。得益于特殊的并行架構(gòu)設(shè)計(jì)，GPU在處理這些任務(wù)時(shí)游刃有余，可以輕松地為我們提供細(xì)膩入微的3D畫質(zhì)，讓OpenAI公司每隔幾個(gè)月就能推陳出新。
在開始討論之前，我們需要進(jìn)行一個(gè)類比：計(jì)算機(jī)中的一個(gè)程序，可以類比成由一連串運(yùn)算題組成的試卷——計(jì)算機(jī)科學(xué)家們的祖師爺艾倫·圖靈就是這么構(gòu)想計(jì)算機(jī)程序的。當(dāng)然，這些運(yùn)算題有難有易，有小學(xué)生就能輕松應(yīng)對(duì)的四則運(yùn)算，也有高中生可以玩轉(zhuǎn)的三角函數(shù)，還有大學(xué)生才能完全掌握的微積分。
計(jì)算機(jī)科學(xué)家曾希望CPU可以像一位經(jīng)驗(yàn)老道的“數(shù)學(xué)家”，發(fā)揮他的計(jì)算能力（計(jì)算指令）、敏銳的決策力（控制指令）快速地完成試卷（程序），得到用戶想要的結(jié)果。而隨著計(jì)算機(jī)的程序越來(lái)越復(fù)雜，“老數(shù)學(xué)家”的能力逐漸不能滿足要求了，他主要的缺點(diǎn)是：即使每道題都能算的很快，但任何時(shí)間都只能一心一意地算一道題。
單核CPU計(jì)算機(jī)的工作框架，黑線為數(shù)據(jù)流，紅線為控制流，均由單個(gè)CPU處理（圖片來(lái)源：wiki）
于是，英特爾、IBM、AMD等公司開始意識(shí)到，可以在一個(gè)CPU內(nèi)“聘請(qǐng)”多位數(shù)學(xué)家，也就構(gòu)成了目前常見(jiàn)的多核CPU。當(dāng)然受限于芯片散熱、良率的約束，多位數(shù)學(xué)家中的每一位都不像的從前的那么強(qiáng)，可能更像是多位準(zhǔn)備參加高等數(shù)學(xué)考試的“大學(xué)生”。——為什么是準(zhǔn)備參加呢？因?yàn)榭纪暝嚲屯耍ㄔ模?/span>
第四代AMD EPYC處理器架構(gòu)，EPYC是AMD的高性能服務(wù)器處理器系列，圖中的Z4就是我們所說(shuō)的“大學(xué)生”核心，一個(gè)CPU中可包含16-96個(gè)核心（圖片來(lái)源：AMD官網(wǎng)）
GPU則可以類比成約由幾千到上萬(wàn)個(gè)“小學(xué)生”核心組成的大型計(jì)算團(tuán)隊(duì)。相比于大學(xué)生核心，單個(gè)小學(xué)生核心只能計(jì)算更簡(jiǎn)單的運(yùn)算，且計(jì)算速度也僅有大學(xué)生的1/4～1/3。下圖展示了英偉達(dá)H100 GPU的架構(gòu)，“小學(xué)生”核心對(duì)應(yīng)圖中的綠色小格子，一共有18432個(gè)。一萬(wàn)多名小學(xué)生核心先被層層劃分成為上百個(gè)“班級(jí)”，在班級(jí)內(nèi)部再動(dòng)態(tài)劃分成32-64人一組的“值日小組”。
英偉達(dá)H100 GPU架構(gòu)圖，GPU中包含了眾多小核心，按照層次結(jié)構(gòu)進(jìn)行組織（圖片來(lái)源：英偉達(dá)H100架構(gòu)白皮書）
該如何讓這么多小學(xué)生核心高效協(xié)作呢？像CPU一樣讓每個(gè)小學(xué)生都獨(dú)立完成試卷，顯然不是一個(gè)理智的方案。為了解決協(xié)同問(wèn)題，英偉達(dá)GPU增加了一條規(guī)則限制：每個(gè)“值日小組”內(nèi)的所有核心（線程）在同一時(shí)間只能執(zhí)行一種運(yùn)算操作（指令），而一個(gè)或多個(gè)值日小組（可以跨越班級(jí)）可以被組織起來(lái)共同完成一張程序試卷，這種協(xié)同工作模式被稱為單指令多線程并行（Single instruction， multiple threads，簡(jiǎn)稱為SIMT），是英偉達(dá)GPU運(yùn)作的核心模式。我們用一張示意圖對(duì)比CPU和GPU的并行運(yùn)作方法。
多核與SIMT并行方式差異的示意圖（作者自制）
聰明的你應(yīng)該已經(jīng)意識(shí)到，這種奇妙的組織方式會(huì)讓CPU和GPU所能做答的試卷產(chǎn)生明顯的區(qū)別。如果CPU（單個(gè)核心）的試卷長(zhǎng)這樣：
那么 GPU 的試卷將會(huì)是這樣的（假設(shè)一個(gè)值日小組有三個(gè)核心）：
這也太奇怪了！怎么會(huì)有人出這樣的試卷呢？事實(shí)情況是：圖形渲染和人工智能應(yīng)用恰好符合這樣的特點(diǎn)。對(duì)于圖形渲染而言，輸入的3D圖形是由眾多離散的點(diǎn)坐標(biāo)組成的，在渲染過(guò)程中需要并行地對(duì)多個(gè)點(diǎn)進(jìn)行相同的位置轉(zhuǎn)換、光照運(yùn)算；在人工智能應(yīng)用中，現(xiàn)實(shí)世界輸入的圖像、文字被表達(dá)成了大規(guī)模的矩陣和向量，而矩陣和向量之間的運(yùn)算操作也可以抽象成多個(gè)數(shù)值并行執(zhí)行相同的運(yùn)算，正中SIMT并行的下懷！
既然，GPU的并行模式這么優(yōu)秀，我們?yōu)槭裁床桓纱喟袰PU也設(shè)計(jì)成這樣呢？答案是：SIMT并行相比多核并行損失了一定的“通用性”。在我們的類比中，更直觀的表達(dá)是：我們不一定能把試卷組織成適合GPU的樣子。一個(gè)案例便是我們每天都在訪問(wèn)的微信、淘寶等互聯(lián)網(wǎng)應(yīng)用，由于每個(gè)用戶都在發(fā)送不一樣的消息、查看不一樣的商品，很難讓GPU的值日小組高效協(xié)同。
1999年，英偉達(dá)發(fā)布了世界上第一款GPU——GeForce 256，它集成了變換、裁剪及渲染等圖形計(jì)算的硬件加速，也因此被命名為圖形處理單元。
GeForce 256 GPU（圖片來(lái)源：wiki）
早期GPU的可編程性很弱，大多數(shù)用戶只能調(diào)用固定的編程接口進(jìn)行固定的圖形操作。但是一些具有前瞻視野的計(jì)算機(jī)科學(xué)家意識(shí)到了GPU可挖掘的并行計(jì)算潛力，他們嘗試將洋流模擬、大氣模擬等科學(xué)計(jì)算問(wèn)題映射轉(zhuǎn)換成GPU可支持的圖形操作，并獲得了性能收益。
搭載GeForce 256 芯片的GPU板卡（圖片來(lái)源：VGA Museum）
也許是受到了這種“歪打正著”的應(yīng)用場(chǎng)景啟發(fā)，2007年英偉達(dá)推出了CUDA（Compute Unified Device Architecture）編程框架，向開發(fā)者全面放開了GPU的可編程能力。借助CUDA，用戶可以用類似C/C++的編程方式編寫適用于GPU的并行程序。從此，GPU的名字變成了GPGPU（General-purpose computing on graphics processing units），多出來(lái)的GP表達(dá)了對(duì)通用性的支持。
在比CUDA推出稍早一點(diǎn)的2006年，人工智能泰斗Hinton及其團(tuán)隊(duì)改進(jìn)了深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，屬于“連接主義學(xué)派”的深度學(xué)習(xí)方法開始回暖。到了2012年，圖像分類模型 AlexNet 贏得了 ImageNet 競(jìng)賽，激發(fā)了深度學(xué)習(xí)研究的熱情，借助GPGPU進(jìn)行訓(xùn)練的方法開始被廣泛采納。2014年，NVIDIA推出了cuDNN深度學(xué)習(xí)加速庫(kù)，讓基于GPU的深度學(xué)習(xí)訓(xùn)練變得更加容易。
之后的故事我們逐漸熟悉，2016年谷歌的人工智能圍棋軟件AlphaGo擊敗韓國(guó)棋手李世石，在AlphaGo的早期版本中，谷歌使用了176塊GPU支撐其運(yùn)行。
由上百塊GPU訓(xùn)練的AlphaGo擊敗了韓國(guó)棋手李世石（圖片來(lái)源：Deepmind）
2022年末，聊天機(jī)器人ChatGPT驚艷登場(chǎng)，引發(fā)了人門對(duì)于人工智能技術(shù)新一輪的憧憬。ChatGPT是一種大語(yǔ)言模型，能夠基于海量文本數(shù)據(jù)的訓(xùn)練，通過(guò)機(jī)器學(xué)習(xí)理解并生成人類語(yǔ)言。盡管缺乏公開數(shù)據(jù)支持，但是相關(guān)領(lǐng)域研究者普遍認(rèn)為OpenAI公司采用了數(shù)千到數(shù)萬(wàn)塊當(dāng)時(shí)頂級(jí)的NVIDIA A100 GPU以支持訓(xùn)練。
聊天機(jī)器人ChatGPT掀起了人工智能新一輪的研究熱潮（圖片來(lái)源：pexel）
在此背景下，支撐大模型算力需求的GPU正成為各大科技企業(yè)爭(zhēng)奪的“緊俏貨”。作為具有壟斷地位的廠商，英偉達(dá)在這場(chǎng)人工智能的狂潮中，憑借十余年的技術(shù)積累，成功抓住了機(jī)遇，完成了從“游戲處理器”到“人工智能計(jì)算平臺(tái)”的華麗轉(zhuǎn)身，可謂是“好風(fēng)憑借力，送我上青云”。
英偉達(dá)在GPU領(lǐng)域處于全球壟斷地位，然而受限于美國(guó)政府的出口限制，高端GPU型號(hào)對(duì)我國(guó)處于禁售狀態(tài)。開發(fā)設(shè)計(jì)具有獨(dú)立自主知識(shí)產(chǎn)權(quán)的人工智能計(jì)算平臺(tái)，是我國(guó)計(jì)算機(jī)科研人員當(dāng)前發(fā)力的重點(diǎn)問(wèn)題之一。那么，剛剛高考完“想要學(xué)人工智能”的你，愿不愿意參與到這一開啟未來(lái)的征程中來(lái)呢？
作者：高睿昊
作者單位：中國(guó)科學(xué)院計(jì)算技術(shù)研究所
個(gè)“關(guān)注”不迷路,每日都分享有趣的內(nèi)容給您，保證讓您眼前一亮！期待您的加入哦！
文圖/流浪狗侃山
編輯/流浪狗侃山
在這個(gè)科技日新月異的時(shí)代，我們不禁會(huì)想，人類的記憶和意識(shí)是否能夠像數(shù)據(jù)一樣被上傳到電腦中？這聽(tīng)起來(lái)像是科幻小說(shuō)里的情節(jié)，但科學(xué)家們正致力于探索這一可能性。
隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，我們見(jiàn)證了許多曾經(jīng)被認(rèn)為是幻想的事物逐漸成為現(xiàn)實(shí)。那么，將記憶和意識(shí)數(shù)字化，是否也將從夢(mèng)想走向現(xiàn)實(shí)呢？
要實(shí)現(xiàn)記憶和意識(shí)的上傳，我們?nèi)匀幻媾R著許多挑戰(zhàn)。
我們需要更深入地了解大腦的工作原理和記憶的存儲(chǔ)方式。還需要開發(fā)出更加先進(jìn)和精確的掃描技術(shù)，以捕捉大腦中的每一個(gè)細(xì)節(jié)。
我們最終還要解決倫理和道德問(wèn)題，確保這項(xiàng)技術(shù)能夠被正確使用，而不是被濫用。
盡管面臨諸多挑戰(zhàn)，但我們對(duì)未來(lái)的展望依然充滿希望。想象一下，如果我們真的能夠?qū)⒂洃浐鸵庾R(shí)上傳到電腦中，那將意味著什么呢？
或許我們可以實(shí)現(xiàn)永生，或者將我們的思想和智慧傳承給后代。這不只是一項(xiàng)科技突破，更是一次對(duì)人類自身的深刻反思和重新認(rèn)識(shí)。
人類記憶與意識(shí)的上傳是一個(gè)充滿挑戰(zhàn)和可能性的領(lǐng)域。隨著科技的不斷發(fā)展，我們將會(huì)越來(lái)越接近這個(gè)目標(biāo)。讓我們拭目以待，看看未來(lái)會(huì)帶給我們?cè)鯓拥捏@喜和啟示。
對(duì)此大家還有什么想說(shuō)的呢？請(qǐng)?jiān)?span style="background-color: #FDFDFE; --tt-darkmode-bgcolor: #141414;" class="data-bgcolor--tt-darkmode-141414">評(píng)論區(qū)分享您的想法哦！
#頭條創(chuàng)作挑戰(zhàn)賽#