楊天明：我們的大腦會擲硬幣嗎？來聊聊決策的神經機制

演講嘉賓：楊天明

中科院神經科學研究所、腦科學與智能技術卓越創新中心研究員

??演講視頻地址：https://www.bilibili.com/video/BV1B4411a7Mq/

很榮幸能夠跟大家分享一些我們的研究，以及一些我們特別關心的問題。在講正題之前，我想給大家先打個預防針，其實在我們這個領域，不知道的要比知道的多得多。所以在我講完之后，也許你會發覺你得到的問題比答案還多。

我會講到若干個對智能體的研究，首先是在動物中的研究。我們知道，地球上有很多很聰明的動物，其中猴是跟人最接近的一種動物。我們經常會用猴來做大腦方面的研究，一方面是因為它很聰明，還有一方面是因為它的大腦結構跟人非常相像。

但有一個問題：人和猴子在智能方面似乎有一條鴻溝，比方說人會說話，猴子不會說話；人會有各種各樣高級的文化，猴子到現在還生活在森林里面。那么為什么猴子跟人有相似的大腦，但是彼此之間的差別這么大？

下一個問題和AI有關。近年來大家會在新聞中聽到或看到各種對AI的介紹。很多人就會問：“現在AI是不是已經超過我們了？”或者問：“AI和我們人有什么差別？AI和動物比起來有什么差別？”

什么是棋感？

在我們講抉擇之前，先來看一個非常簡單的、大家熟悉的例子。

我們面前是一個圍棋棋盤，圍棋棋盤是19×19的方格。每次下棋時你需要把棋子放在交叉線的位置，一開始下棋有361種可能性。圍棋復雜的地方就在這里，下的每一步棋都有上百種可能性。平均下來，可能算三步就有上百萬種可能性。一般人的大腦都沒有能力把上百萬種可能性去想一遍，所以我們是怎么下棋的？

對于初學者，或是像我這樣圍棋水平很爛的人，通常采用的方法就是放棄，就是瞎蒙一個地方在那里擺一下。但如果你問圍棋高手：“你們為什么下圍棋能夠算得這么精準，你是怎么下的？”他們會告訴你“我有棋感”——看一下盤面就知道某個地方是最關鍵的地方。于是在這個盤面上，可能只有兩三個關鍵的地方需要去考慮，然后他們就根據這兩三種可能性，去推想下一步會怎么樣，再下一步怎么樣。

所以可以看到，其實他們推理的步驟也沒有特別多——他們不是在開局下第一個子的時候，一次性推理到二十步之后是什么樣的。但是他們有很好的棋感，只需要推理相當少的可能性就可以下得非常好。所以在下圍棋這一門藝術當中——很多人都在說“下圍棋是聰明人的運動、要有高度的邏輯”之類的話——其實最關鍵的一個地方是棋感，而培養棋感卻是非常沒有邏輯的。你如果讓圍棋高手解釋“你為什么覺得這幾個位置是最關鍵的位置”，他們也許可以說出個道理來，但他們在下棋的時候是不會運用邏輯去產生這些棋感的。

那“棋感”究竟是什么？從來沒有下過棋的人，說到棋感可能非常迷茫，但其實棋感在我們每個人的腦子里都有。從神經科學的角度來考慮，它就是把一個棋局的信息通過我們的眼睛送到大腦。大腦里有一個非常神奇的評估系統，幫助我們把局面算出來，評估這個局面是好還是壞。評估系統的結果在我們大腦里產生的主觀體驗，就是我們所謂的“棋感”。

再舉一個更加貼近生活的例子。你在路上看見一個小朋友，你的第一感覺肯定是“小朋友非?？蓯邸?，至少我希望你們覺得這個小朋友特別可愛，因為他是我的家人。

但是你產生的第一感覺運用了很多邏輯推理嗎？你也許會覺得他的眼睛比較亮，或者他張嘴吐舌頭的樣子很可愛，或者他的臉型可能屬于那種比較可愛的臉型。這些邏輯雖然是成立的，但是你去做判斷、產生這種喜愛的感情時，是不會用這些邏輯的。

作為對比，你看到圖中所示的恐龍，它也是張著嘴露著牙齒吐出一點舌頭，但你絕不會有一種非常喜愛的感覺。你看到這個家伙時，你不會想它的牙齒比小朋友尖一點，嘴張得大一些，就覺得這個東西比較可怕。我們身體里面有一個非常高效的評估系統，你只要看一眼就會把這些因素都整合在一起，馬上產生評估的答案：這是好是壞；你是應該逃跑、躲起來，還是應該去作一些其他的反應。

我剛才說的這種情感，它和前面的棋感其實是一回事。我們把感覺信息（在剛才的例子中是視覺信息，但也可能是聽覺或者觸覺信息）送到大腦，里面有一個非常高效的、快速的評估系統，來幫助我們作出抉擇。評估系統會讓我們產生一種體驗，我們感覺起來就是“情感”，因為有時候情感可能不直接是大喜大悲的感覺，也有些人會把它叫作“直覺”。

我今天要講的就是我們的情感（評估系統）和我們的邏輯推理這兩個系統，如何共同幫助我們做出好的決策。

還需要說明一點，那就是我說的情感跟表情需要區分開。表情雖然跟我們的情感是直接掛鉤的，但它其實主要是一種我們用來交流的工具。我們通過表情來告訴別人，我們現在心里想的是什么，我們現在自身的狀態是什么樣的。它并不直接和我們的抉擇掛鉤，所以這不是今天我要講的。

大腦的視覺系統

讓我們回到上一話題，不管是棋感還是其他的、比方說恐懼之類的感情，就像我剛才說的，都是通過某種復雜的計算做出來的，而這個計算的過程主觀上是不能夠解釋的。很多人就會覺得很奇怪：人不是一種理性的動物嗎？我們想問題的時候不應該都很有邏輯的嗎？為什么我們的大腦里面還會有這種非常神奇、無法解釋的系統？

其實不是這樣的，關于大腦的活動，主觀能解釋的部分是非常少的。在這里我舉個例子——視覺系統。視覺系統做非常普通的事情時，比方說我看見一個蘋果，知道它是蘋果，這對大家來說是毫不費力的事情，是每個人平時都會遇到的事情。但仔細想一想，這當中涉及的計算其實是非常復雜的。在經過幾十年的研究之后，我們現在還沒有非常成熟的計算機視覺系統，計算機還不能很好地去辨別，這也是現在做機器人的主要障礙之一。

大腦是怎么解決這個問題的？在這里我簡單講一下大腦的視覺系統。因為猴子的大腦和人腦非常像，而且我們對猴子大腦的了解比較多，所以我在這里以猴子的大腦為例，來說明視覺系統是怎么工作的。

（左上角）圖的右邊是猴子大腦的前方，而猴子大腦的后半部分、圖中顏色比較深的區域是猴子的視覺系統。你可以看到，幾乎有50%的大腦皮層屬于視覺系統，這里還沒有把全部視覺系統畫出來。

猴子大腦中負責視覺的部分是非常多的，在人腦中其實也是一樣。你如果仔細看圖中一些小的標記，不同的顏色代表視覺系統的不同層次，從V1、V2這樣一層一層地往上。當圖像（居里夫人）進入我們的視野，處理信息的第一層是視網膜，之后經過一層一層這樣的處理，最終到最頂層的時候，我們才能知道我們在看的是什么。

這些層次之間有什么不一樣？視覺信息進入視網膜的時候，視網膜細胞關心的是最原始的信息，比方說你看到一張圖片的話，是圖片中的某個像素：它是亮的還是暗的？是什么顏色的？這是在最底層實現的。接下來進入大腦皮層的第一層V1的時候，可能會處理稍微高級一些的信息，比如線條、輪廓。然后再把這些信息進一步整合、再整合……到最后大腦就可以神奇地告訴你，看到的是蘋果還是別的什么東西。

深度神經網絡

大腦對信息整合的原理是什么呢？經過很長時間的研究，神經科學領域也沒有很清晰的理論來解釋大腦在整合的過程中做了哪些事情。但非常有意思的是，最近十年內，在計算機科學領域，根據人腦的運作方式開發出的最新人工智能系統——深度學習神經網絡，其實和人腦非常像，也是由一層一層的人工神經元去做處理。剛開始可能只能處理像素、線條和輪廓這樣比較簡單的東西，但經過不停學習后，最終輸出時它可以擁有辨識物體的能力。而且人工神經網絡跟真實的大腦還可以建立一個對應關系。把人工神經網絡訓練成功后，你會發現早期的幾層人工神經網絡跟大腦早期的真實神經元的反應很像，而比較高層的神經網絡又和大腦中比較高層的神經網絡很像。這樣我們就可以用從神經科學中了解到的知識來建立人工神經網絡，完成某項功能，然后人工神經網絡又幫助我們去了解人的視覺系統究竟是怎么操作的。

深度學習神經網絡看起來非常神奇，它可以完成非常復雜的任務。那它究竟是什么樣的？深度學習神經網絡的重點就是所謂的“深”?！吧睢笔鞘裁匆馑?？它有很多層的神經元。第一層是輸入層，如果一些光點之類的信息送進來，在這一層它會做一個整合。每一層做整合，都是把局部的信息整合在一起，做一些簡單處理之后再往上送，下一層又是把當前層的局部信息進行處理。

如果一層網絡中，每一個神經元都會收到上一層的局部信息的話，其實整層網絡收到的信息要比上一層更加全局一些。所以當你把很多層網絡疊加在一起，在最上層的神經元其實處理的是全局的信息，而且它可以把在全局信息當中每一層提取出來最關鍵的信息綜合在一起。這也基本上是深度學習神經網絡能夠成功的一個原因。

必須要說的是，雖然目前我們能夠訓練深度學習神經網絡做很多事情，其實我們還是不知道它的邏輯是什么。如果要數學家寫一個公式，把這邊的輸入（初始信息）通過一個數學公式變成最后的輸出，現在是寫不出的。在神經網絡里面有非常多的層次，每個神經元當中有很多的連接，其中涉及上百萬個參數，我們可以把這些參數通過機器學習的方式慢慢訓練出來，但這里面的邏輯我們是不知道的。

像這種完全靠我們自己搭建的系統里面的邏輯，我們都是不知道的，可以想象，我們也完全不知道大腦里面是靠什么邏輯來運作的。當我們看到一個蘋果，知道它是蘋果的時候，我們主觀上并不知道視覺系統究竟做了什么運算，而當我們用客觀上能用的最先進的方法去分析，也不知道它究竟做的是什么樣的運算，我們僅知道它現在大致的結構、大致的運算原理是什么樣的。這就是我們所謂的“黑箱操作”，有一些信息進來，經過這個黑箱，你會得到一些有用的信息。

大腦的評估系統

而我們的評估系統其實也是一樣的。大腦前方的一塊區域是我們通常所說的前額葉，它是人類高等智能的一個中樞。我們之所以這么聰明、會完成很多復雜的任務，都是因為有前額葉。

圖中有很多不同的腦區被標注出來，不同腦區之間怎么連接、信息怎么流動。從示意圖中大家就知道，我們的評估系統完全不比視覺系統簡單，而它的運行方式和原理也不是我們能夠直接明白的。從總體上來說，評估系統對抉擇起了重要的作用，盡管它是一個主觀上很難理解的系統。

在評估系統當中，尤其在剛才提到的這些腦區當中，我特別要提醒大家注意的一個腦區叫做眶額葉，英文縮寫是OFC，它的全稱叫Orbito Frontal Cortex。

它為什么叫眶額葉呢？眶額葉的位置其實就在眼眶的上方。這個腦區有個非常有意思的特點，它有兩個很重要的輸入：一方面它接收來自感覺皮層、特別是視覺皮層的感覺信息的輸入，另一方面它又會接收來自我們大腦獎賞系統關于獎賞信息的輸入。

當眶額葉同時接受這兩種輸入后，可以做些什么呢？它可以給我們看到的、感受到的這些東西打分。我們的獎賞系統平時做的事情，就是如果你得到獎勵，吃到好吃的，做了讓自己開心的事情的時候，它就會興奮起來。然后，眶額葉就會把獎賞系統的輸出跟感覺皮層的輸出掛鉤在一起，這樣它就可以學習到是什么給自己帶來愉悅的感受，什么東西對你來說是好的，什么是壞的。所以，它可能就是評估系統中非常重要的環節，它幫助你把感覺系統所處理的信息去跟“好”、“壞”這樣的評估掛鉤在一起。

去年我們的博士生張哲偉同學建立了人工神經網絡的模型去模擬眶額葉的工作，神經網絡可以接受視覺皮層信息和獎賞系統信息。他比前人所進一步的是，他發現把這兩個信息同時輸入到所謂的隨機神經網絡模型當中，網絡就可以很好地模擬眶額葉的工作，運用網絡的輸出進行學習。也就是當你訓練這個網絡的時候，它慢慢地就會學習到什么東西是好的、什么東西是壞的，就可以做抉擇。

眶額葉、包括我們整個評估系統一旦訓練了之后就特別高效。比方下圍棋，你一旦有了棋感就會下得特別好。那么就有人會問：為什么大腦的結構不是完全布滿評估系統，這樣就不需要其他東西來幫助我們做抉擇？

其實評估系統是有缺陷的，先舉一個非常簡單的例子，比方說一個人生病了，醫生說你的病比較嚴重，我們需要做個手術。如果這個醫生說你這手術有90%的成功率，你聽完了之后想應該沒什么問題；但如果這個醫生是另外一種說法，他說手術是10%的死亡率，你有什么感覺？你一下子就覺得這個世界好像已經離我有點遠。

但仔細看一下這兩種說法，它其實是一模一樣的。90%的成功率和10%死亡率是一回事情，那么為什么同樣的說法會給你帶來截然不同的感受呢？因為我們的評估系統非常容易受到誤導，在前一種說法里面，它注重的是成功率。當你聽到成功率，又看到一個比較大的數字，你的評估系統就會給你一個比較正面的反應。但是在后一種說法里面，你首先看到的是死亡這兩個非常礙眼的字。所以當你接收到信息的時候，評估系統給出的答案就會非常不同。

這也就是為什么大腦當中存在評估系統，但我們平時做事情并不完全是用評估系統來做的，人是理性的、有邏輯的，這并不包括我們的評估系統。

評估系統的特點是什么？它做事很快。我剛才沒有強調，評估系統的另一個特點是對事情的并行處理。什么叫并行處理？就是很多信息進來，它可以同時進行處理，比方說我看到的東西、聽到的東西，還有其他信息，同時進入我的大腦，我不是一條一條去處理信息。我看到小朋友的照片，我不會先看他的眼睛，再看他的嘴巴長什么樣，大腦當中有不同腦區的不同神經元同時對這些進行操作，這樣你才能達到一個非?？斓挠嬎闼俣?/strong>。

還有一個問題就是這個操作我們主觀是不能直接感覺到的，所以我們也沒辦法直接對這個操作進行修正，它萬一發生了什么錯誤，就像我剛才說的死亡率和成功率的問題，你哪怕已經知道這兩種說法是一模一樣的，但是我問你一百次，你還是會覺得90%的成功率聽起來要好聽一些。評估系統存在這個問題，黑箱操作就相對來說就比較僵化、難改一些，它的學習就要通過非常緩慢的訓練才能夠達到，是一種漸進式的學習。一個圍棋棋手要有棋感需要經過長期的訓練才能做到。

大腦的推理系統

既然評估系統存在這些問題，大腦當中就有另外的解決方案，也就是我這里要說的推理系統。我們平時在做一些更加復雜的問題，比方數學，做證明題，或者規劃一下你未來的人生，你不會光靠評估系統，你一定會依賴推理系統。推理系統也是人之所以是人的重要原因。推理系統是大腦當中哪些部分管的呢？還是前額葉。但非常遺憾的是，我們整個神經科學領域對大腦推理系統的了解非常少。主要原因是我們現在的相關實驗只能在動物中做。

我們不能把人的腦子開一個洞、插一根電極或者打一針，看一下這個人的大腦會有什么反應。大多數實驗都在動物中做，但是動物的推理系統就非常可疑。我們現在在往這個方向努力，想在猴子這樣比較高級聰明的類人動物中研究推理系統。但在整個領域里，我們還不知道前額葉的推理系統究竟怎么運轉。如果對不同物種的前額葉做比較，獼猴的前額葉雖然相對其他動物來說比較大，但跟人有本質的區別。

可以看到人腦中前額葉這部分，它不是等比例地比猴子大，它在整個大腦當中所占的比例要比猴子的前額葉在整個大腦當中占的比例要大得多，所以我們也認為人的推理能力也比猴子要高很多。

那么實驗室是怎么研究大腦推理系統？我們還是先在猴子中研究。我們所采用的一個切入點，就是所謂串行和并行。我剛才談到大腦的評估過程是一個并行處理的過程，有很多信息送進來，在一個復雜的神經網絡當中進行處理，做了很多加工，然后它得到的結果就一下子可以送出來；但我們的推理系統相對來說是一個串行的結果。比方說我讓你算一個數學問題，321×568等于多少？你拿出一張草稿紙來，把個位數和個位數相乘，十位數和十位數相乘，這樣慢慢一步一步算下來，但你整個過程都是串行地做的，你一次只能操作一個數字。當你想問題時，一次只能想一件事情，很少有人可以把兩個復雜的問題同時進行處理。

串行操作是我們大腦推理系統的一個重要特點。我們假設猴子大腦中某個腦區進行推理時應該符合串行操作原理。我們試圖去找到它，于是我們就做了這么一個實驗。我們訓練猴子去看一個不那么復雜、相對簡單的圖片。舉個例子，比方說大家到一個水果攤去買水果，你要選你最喜歡的水果，你肯定不是在水果攤面前站一下，然后所有的信息涌到你腦子里，唰一下就挑出個蘋果是你最喜歡的。我們通常所做的是拿起一個蘋果看一下它的顏色形狀大小，聞一下味道，甚至捏一下手感，如果覺得這蘋果好我就買下，如果覺得不好我把蘋果放下，然后再去看一下香蕉怎么樣。也就是說這個挑選水果的評估過程它分成兩部分，一部分是拿起蘋果來評估一下是好是壞，給它打分數；另一部分就是我剛才說的串行過程，我先看蘋果，再看香蕉，再看橘子的這樣一步一步切換的過程。

而猴子在做這件事時，我們對它的大腦前額葉進行記錄，就發現前額葉中的眶額葉的確反映了評估過程。當猴子在看一整個場景時，眶額葉會編碼當中某一樣東西的價值。但非常有意思的是，它不是編碼所有東西的價值，它只編碼其中一樣，也就是猴子注意力正在關注的那個東西。

所以我們實驗室的博士生謝洋同學經過很多年的工作后發現，眶額葉不僅是一個評估系統的中樞，還是一個從評估系統到推理系統的橋梁。推理系統決定我們現在應該評估什么，評估系統的眶額葉可以隨時報告這個評估的結果是怎么樣，幫助我們整個大腦去做抉擇。

我們講了這么多眶額葉，它不僅是評估系統的高級核心，還是從評估到推理的一個關鍵橋梁。那如果眶額葉有問題了會怎么辦？我們就得提到一個歷史名人——菲尼斯·蓋奇，19世紀的一個美國鐵路工人。

菲尼斯·蓋奇：揭秘神經科學史上最有名的病人

手執鐵夯，左眼緊閉，菲尼斯·蓋奇的這幅肖像伴隨著他的神秘故事一直流傳至今，他是神經科學史上最有名的病人之一。

他在工地的時候發生了一個事故。他當時在工地修鐵路，需要買炸藥開山炸路。有次他用一根鐵棍把炸藥壓緊，鐵棍不小心撞到石頭上產生火星引發爆炸，鐵棍飛出來，從他的左眼眶穿入，穿過他的整個頭頂。

非常幸運的是，他用的鐵棍非常光滑，沒有什么毛刺，而且由于爆炸力非常強大，鐵棍飛快地從他頭部穿過，沒有造成一些擴散性的創傷，也正好沒穿過任何主要血管。所以雖然他頭上留下了一個大洞，但是人活下來了，最后還基本康復。不過他的左眼已經沒有了，鐵棍穿過的時候他左眼受到損傷——他手里舉的這根棍子就是當初穿過它整個頭顱的棍子。這個事故的直接后果就是大腦的前額葉、特別是眶額葉這塊就被完全破壞。

我們剛才提到前額葉非常重要，大家可以想象一下，他的前額葉發生破壞之后會發生什么事情？可能你們會猜他是不是變傻了。這個經典病例告訴我們，前額葉破壞了之后不會變傻。在蓋奇康復了幾個月后，專家給他做了心理測試、智商測試，發現他的智力水平跟事故前沒有什么明顯差異。蓋奇還是可以完成像類似以前水平的語言、數學等任務。如果你跟他進行短暫的交流，會覺得他跟正常人差不多。

但在蓋奇身上的確發現了問題。人們發現他的生活發生了一個特別大的改變，他最大的改變是性格變化。他本來是一個相當聰明友好的人，在發生事故之前，他已經是一個小工頭的角色，會做些規劃，如安排工人們的工作進度，是個非常有條理的人。但在事故之后會發現，首先他的脾氣變得非常糟糕，很容易生氣，變化很快，時而生氣時而高興，同時對其他人非常冷漠，對他人的感受都沒有什么反應，這是他性格情感方面的變化。在另一方面發覺他的抉擇產生了很大的問題，他沒有耐心，有時候非常固執，想做某個事情的時候就一定要做，但有時候又非常猶豫不決，很難做決定。他在這個事故前非常有條理、非常有規劃的特點完全喪失了，因此事故之后他就沒法再回去工作，失業了。

我們普通人會覺得這個人好奇怪，他主要的變化看起來是兩個不同方面的變化，一方面是感情的變化，另一方面是關于抉擇能力的變化。但如果你順著我剛才思路來想的話，就會發現這兩個其實是密切相關的。我們的抉擇強烈地依賴于評估系統，而評估系統跟我們的情感系統在很大程度上是一回事情。人類高級評估系統中的腦區眶額葉，在情感系統里面也是非常重要的區域，我們的評估結果經常通過主觀情感體現出來。所以事故之后，蓋奇在情感和抉擇能力兩方面受到了損傷是很好理解的。

評估系統和推理系統的對比

說了大腦這么多事情，我們想說理解大腦是怎么運作的，對AI會不會有些啟發，現在的AI系統是不是借鑒了大腦的思考方式？

舉個最近非常火的例子，Google的AlphaGo。AlphaGo在2016年著名的人機世紀之戰中4:1戰勝了當時的世界冠軍李世石。然后在2017年它又進化了，跟我們中國的世界冠軍柯潔下棋時5:0大勝。2017年之后就再也沒有人機世界大戰，因為在這星球上已經沒有可以打敗它的人了。

那么AlphaGo是怎么做的？它是用什么辦法來下棋的？我剛才提到圍棋是個非常復雜的運動，不僅僅是人，用計算機都不可能把所有變化都算出來。你會發覺AlphaGo的思路基本上就是我剛才說的評估、推理系統的設計。在AlphaGo里也有一個評估系統，它的評估系統大概分成兩個模塊，兩者都是深度學習的神經網絡。第一個模塊叫做策略模塊：把當前的棋局輸到神經網絡里，然后經過很多層，確切說是十三層深度學習神經網絡的處理，最后輸出最佳的幾個位置，也就是我剛才說的棋感。

另外還有一個打分模塊，它更直截了當，就是把棋局輸進去，經過三層神經網絡的處理，告訴你分數。它會告訴你現在盤面對你有多好，你是可能贏還是可能輸。

在實際下棋的過程中，AlphaGo通過一個搜索系統進行推理。比方說，現在的棋局是這個狀況，策略模塊會說我接下去要考慮這兩個可能的下法，它在不停地往下考慮，因為可能性非常多，即使是Google的電腦，也不可能把全部可能性考慮完。所以到了某個環節時，它必須在這邊停下來打個分，評估是否再往下，或者只能算棋子了。那么可能說三步之后，打的這個分如果很不錯，就從這邊（三步之后）再反推回來，應該是通過這樣的方式來下最有可能贏。

AlphaGo系統，基本上就是一個相對簡單的推理策略。加上前面深度學習的神經網絡結合在一起，它就可以打敗人類世界冠軍。所以電腦也挺恐怖的，現在我們對大腦的了解還相當粗淺。當我們將大腦運行的原理與人工智能系統結合，它已經可以做非常厲害的事情。

剛剛提到了評估系統的各種特點，那么推理系統的特點是什么呢？

剛說到串聯處理的一個直接結果就是比較慢，做事情需要一步一步地想。但它的好處是有邏輯，每一步思考的過程都是邏輯的過程，從A到B、B到C是非常有邏輯的推理。推理過程非常準確，不像評估系統容易受到外界因素的影響，比如注意力的引導等可能會跑偏。用邏輯計算就很難出錯。它還有個特點就是相當靈活，如果發現結果不對，因為邏輯的存在，就可以順著邏輯去找問題出在哪個地方，學習起來非常快。

所以相對于評估系統來說，推理系統有很多的優勢。在人類大腦里存在的推理系統，是人之所以是人的原因，也使得人跟其他的動物比起來有巨大的差別。讓我們現在擁有這么高度發達的文明。

好，我們再比較一下不同的物種或者說機器之間的特點。

我們從人開始討論。前面說了人的評估能力很強，我們擁有敏銳的直覺。如果說，要對人類的評估和推理能力打分，那請問人的推理能力可以打幾分？

我會只給人類打兩分。

人類的推理能力其實非常有限。比如下棋，正常人大概只能算兩步。因為我們的記憶容量非常有限。像去記電話號碼，一旦電話號碼超過九位，就很難一下子記住。如果要做一些更加復雜的推理，像做人生規劃，我相信絕大多數人都會有些困難，對吧？所以人類推理系統的打分不是很高。

接下來我們來看一下猴子。大家會給猴子的評估系統打幾分？

我會給他打四分。因為人的直覺（判斷一個東西是好是壞，一種情況是不是有利，看到一個恐龍能不能逃），猴子的系統同樣有這些直覺。猴子的評估系統其實非常完善，可以有效幫助他們在自然界當中迅速作出反應、做抉擇。但猴子的推理系統比人要差一些，我們現在認為猴子雖然也有一定的推理能力，但他肯定不具有人類一樣高級的邏輯信息運算能力，所以猴子的推理能力打一星。

接下來我想讓大家給我們現在最好的AI評估和推理系統打個分。你會打幾分？

我們先從評估說起，很多人說，一分。OK。看來大家對AI系統的能力非常沒有信心。大家的直覺很對?？磥泶蠹曳浅Ａ私釧I現在的主要缺點。

AI目前最大的問題就是沒有直覺，沒有足夠的評估系統，AI沒有最基本的常識。最基本的常識都需要靠工程師用很復雜的程序或者神經網絡去實現，稍微高級一些的常識在AI系統里面幾乎都沒有。

但AI系統跟我們人比起來，有個非常強大的推理系統，無論圍棋還是數學，AI的計算能力都非常迅速，每秒鐘可以算幾十億次。AI跟人的最大差別就是強大的推理系統。但評估系統非常薄弱。

那么如果說AI的推理系統這么強大，為什么看起來還是比人笨很多呢?這說明，評估系統的在人類或者AI當中，都非常重要。僅靠推理，很難做出一個高級的智能體出來。

如何提高決策能力

最后，我們再來講一下，要提高我們的決策能力，提高思考能力，我們可以做些什么？剛才提到，人類推理系統有優點也有缺點，它的重要的缺點是它的速度、還有精力、效率有限。人類要花費很大力氣去下圍棋、算數，而且效率要低很多。我們要提高決策能力的主要方式，是提高我們評估系統的能力。

提高人類評估系統的能力只有靠多練，我們經常說，好記性不如爛筆頭。像下圍棋的人，他們棋感是靠不停練習出來的。經過長期的訓練之后，它就可以把這些非常復雜的問題——下圍棋本來是要靠這些規則靠邏輯判斷的問題——從推理系統搬到評估系統當中去做。人類大腦一旦學會了把某件事通過評估系統來解決，就會變得非常高效，這也是為什么人類在不同領域會存在專家。

專業人員和非專業人員的差別在于，專業人員經過了諸多訓練。那些你覺得非常復雜的事情，對他們來說，就像看到蘋果，判斷它是蘋果這樣簡單的考慮過程。一旦達到這個階段，人的決策能力就會大大地增加。但是我們不能完全依賴評估系統去提高決策能力，還有一些其他辦法可以提高推理系統的效率。

提高推理系統的效率最重要的因素是什么？就是知道應該什么時候運用推理系統。大多數事情不需要用推理系統去做，但在有些情況下，人類是需要用推理系統來解決問題的。

比方說，有一個老掉牙的智力題，一斤鐵和一斤棉花哪個重一些？如果你聽過這個題，肯定知道這兩句話里面都有一斤這個數字，所以這兩種東西應該是一樣重。但如果你問一個從來沒有聽到過這個問題的人，特別是他注意力不集中的時候，當他聽到關鍵字鐵和棉花的時候，就會用評估系統去解決這個問題。所以人類要在合適的場合運用注意力，開動推理系統來解決問題，而不單單依靠評估系統。

另一個問題就是跳出常規，人的評估系統很容易用慣性思維思考。我不知道大家看武俠書多不多，在金庸的《天龍八部》里面有一個非常有名的棋局。一眾武林高手想要解開這個棋局，如果有人能夠解開，就會得到絕世武功的真傳。可是當時連全天下最會下棋的武林高手都找不到突破口。他們的問題是棋感太好，一看這個棋盤，他們腦子里琢磨出最可能下的幾個位置，然后從這個角度去思考，導致他們永遠也解不出來。其實這就是一個非常規的棋局。除非你開始想正常人不會去想的，特別是有棋感的人不會去想的策略。最后，解開棋局的人反而是一個完全不會下棋的小和尚。這就是跳出常規。用你的推理系統跳出常規，不要依賴評估系統，反而會得到更好的結果。

最后我們來說使用工具，要知道推理系統存在的缺陷，它的推理過程比較慢，比較耗費精力。就像我剛才說的，好記性不如爛筆頭。該用草稿紙，該用計算器就要用。要知道這些工具能夠很好地輔助我們。

我剛才解釋了評估系統，推理系統，最后我想用幾句話來說一下，我們為什么要研究人類的決策？為什么要研究大腦的抉擇？這不僅僅是我們想知道什么時候應該做什么樣的抉擇，怎么做更好的決策，另一方面研究決策可以告訴我們一些更加深層次的問題。

在這邊我想說的一個點就是意識。那么很多關心大腦的人都會非常關心意識，想知道意識是怎么產生的？意識做了些什么？我們為什么要有意識？

上圖是一幅大腦解剖圖，最上面一塊是大腦皮層，下面則是神經系統的一些其它結構。我剛才說了評估系統是主觀上面沒法體驗，不知道他是怎么做的事情，也就是整個評估系統都是屬于意識下的范疇內，而只有前額葉在考慮這些問題——我在哪我是誰，我在干什么——這是我們平時的推理系統不停在想的事情，做推理的時候你就要清楚我自己狀況是怎么樣，我的目的是什么。也就是說，研究推理系統其實就是解決意識問題的一個關鍵，如果我們能夠把推理系統搞清楚了，很大程度上就會知道大腦的意識是怎么產生的，意識在做什么。

最后，跟大家分享一個我非常喜歡的卡通——XKCD，他畫過的一個場景我不知道大家有沒有經歷過。但我經常會遇到這樣的事情。比方說工作得非常晚，然后你晚上坐地鐵回家的時候，你站在地鐵里面，在考慮一個很高深的問題，然后你周圍的人看起來好像都非常渾渾噩噩，你突然覺得好像眾人皆醉唯我獨醒的感覺。你現在都不知道這些人有沒有意識，但是其實在車廂里面的每個人說不定都在想這樣的事情。

通過這個漫畫，我想說的是意識是一種很難直接通過行為來研究的東西。真正要了解意識，需要我們運用神經科學的研究手段，進入大腦，觀察神經細胞的活動，分析它們和行為之間的關系，這我覺得才是科學地研究意識問題的方法，也是神經科學和抉擇科學最吸引我的一個地方。

整理：五月、Root、小葵花、西子

審校：Spring、亦蘭

編輯：EON

楊天明

中科院神經科學研究所、腦科學與智能技術卓越創新中心研究員。曾獲得中科院百人計劃、上海市浦江人才計劃等支持。復旦大學生物化學學士，美國貝勒醫學院神經科學博士。從事大腦的抉擇和認知的神經機制研究以及大腦的人工神經網絡模型研究20多年，曾在Nature、Neuron等雜志發表多篇第一或通訊作者論文，對我們了解由大腦前額葉以及后頂葉等高級腦區所組成的神經環路在抉擇和認知過程中所起到的作用作出了重要貢獻。