美國加拿大技術歷史學家喬治·戴森認為，不了解“智能”的運作原理，也完全有可能構建出“智能”，這也是模擬計算的魅力。當我們爭論數字計算機的智能時，模擬計算正在悄然取代數字計算。我們與真正的AI的關系是信仰的問題，而不是證明。

以數字電子計算機誕生為界，計算機的歷史可以分為“舊約”時代和“新約”時代。

提供基本邏輯的“舊約”時代的先知包括Thomas Hobbes和Gottfried Wilhelm Leibniz。而“新約”的先知包括阿蘭·圖靈，約翰·馮·諾伊曼，克勞德·香農和諾伯特·維納等人。

艾倫·圖靈想弄清要讓機器變得智能化需要做些什么；

馮·諾依曼想知道機器自我復制需要什么；

克勞德·香農想知道機器要在干擾下進行可靠地通信都需要什么條件；

諾伯特·維納想知道機器在多久后可以奪取自己的控制權。

維納關于機器可能從人類手中奪取控制權的首次警告出現在1949年，當時正值第一代存儲程序電子數字計算機的誕生。這些系統需要人類程序員的直接監督才能運行，這也減緩了他的擔憂。只要程序員能夠控制機器，還會有什么問題？

自此以后，關于自動控制的風險的爭論仍然圍繞著數字編碼機器的控制權和局限性等話題。盡管機器的能力驚人，但幾乎沒有出現真正的自主的跡象。這是一個危險的假設。如果數字計算機被其他東西取代怎么辦？

在過去的一個世紀里，電子產品經歷了兩次根本性轉變：

一個是從模擬到數字化的轉變；

一個是從真空管到固態的轉變。

這兩波轉變幾乎是同時發生的，但并不意味著它們彼此密不可分。就像使用真空管零件也能實現數字計算一樣，而模擬計算可以在固態下實現。即使現在真空管已經徹底絕跡于商業市場，但模擬計算機仍然存在，并且處境很不錯。

模擬計算和數字計算之間沒有精確的區別。一般而言，數字計算處理整數、二進制序列，確定性邏輯和離散增量的時間，而模擬計算處理實數，非確定性邏輯和連續函數，其中就包括時間，因為時間是連續體存在于世界上的。

想象一下，你要找出一條路的中間位置。你可以使用所有可用的增量，先測出寬度，然后轉換成數字，計算從中間到最接近的增量。

而使用模擬計算機，就可以使用一段字符串，將道路的寬度映射到字符串的長度。這樣一來，只要找到字符串的中間位置，也就找到了路的中間位置。

在模擬計算中，復雜性存在于網絡拓撲而非代碼中。信息被處理為值的連續函數（例如電壓和相對脈沖頻率），而不是針對離散的比特串的邏輯運算。

許多系統在模擬和數字方式下交替運行。數字計算不容忍錯誤或模糊，整個過程中每一步都依賴糾錯。

反觀模擬計算，則可以容忍一些錯誤，甚至完全有可能在不理解某件事物的情況下將其構建出來。

不理解“智能”的運作原理，也完全有可能構建出“智能”

大自然使用數字編碼來存儲、復制和重組核苷酸序列，但智能和控制則依賴于神經系統上運行的模擬計算。每個活細胞中的遺傳系統是存儲好根據程序執行的計算機。

但大腦不是。

數字計算機執行兩種類型的比特之間的變換：表示空間差異的比特和表示時間差異的比特。

這兩種形式的信息，以及序列和結構之間的轉換，都受到計算機編程的控制，而且只要計算機需要人類程序員，我們一直享有控制權。

模擬計算機也是調解兩種信息形式之間的轉換：空間結構和時間行為，只不過沒有代碼，也不需要編程。

我們并不完全理解自然是如何進化出被稱為“神經系統”的模擬計算工具，它們可以從世界吸收各種信息。

神經系統會學習，而它們學到的一件事就是控制。它們學會控制自己的行為，進而學會盡可能地控制自己的環境。

計算機科學在實現神經網絡方面有著悠久的歷史——甚至可以追溯到計算機科學出現之前，但在很大程度上，這些都是數字計算機對神經網絡的模擬，而不是通過自然本身在非受限環境下進化出來的神經網絡。

模擬系統將掀起下一場計算革命，數字編程不再能夠控制模擬系統

現在，這種情況開始發生改變：

自下而上來看，隨著無人機戰爭、自動駕駛和智能手機的三重驅動，推動了神經形態微處理器的發展，這些處理器直接在硅(和其他潛在基底)上實現了實際的神經網絡，而不是模擬神經網絡。自上而下來看，最大、最成功的企業，越來越多地轉向模擬計算。

當我們爭論數字計算機的智能時，模擬計算正在悄然取代數字計算，就像真空管等模擬組件在二戰后被重新用于制造數字計算機一樣。運行有限代碼的獨立確定性有限狀態處理器，正在形成在現實世界中運行的大規模、不確定的、非有限狀態的后生有機體。由此產生的混合模擬/數字系統共同處理比特流，就像電子流在真空管中被處理一樣，而不是單獨處理，因為比特由產生流的離散狀態裝置處理。比特是新的電子。

模擬又回來了，它的本質就是控制。

這些系統控制著從商品流動到交通流動再到思想流動的一切，它們在數字上運行，就像脈沖頻率編碼信息在神經元或大腦中被處理一樣。智能的出現引起了智人的注意，但我們應該擔心的是控制的出現。

想象一下1958年，你正試圖保衛美國大陸免受空中攻擊。為了區分敵機，除了計算機網絡和預警雷達站點外，你還需要一幅實時更新的所有商業空中交通的地圖。美國建立了這樣一個系統，并命名為SAGE(半自動地面環境)。SAGE反過來催生了Sabre，這是第一個用于實時預訂航空旅行的綜合預訂系統。Sabre及其后代很快就不僅僅是一張座位圖，而且是一個系統，開始通過分散的情報控制飛機的飛行地點和時間。

但是不是在某個地方有一個控制室，有人在控制？也許不是。比如說，你構建了一個實時繪制公路交通地圖的系統，只需讓汽車訪問地圖，以換取其當時的速度和位置的報告。結果是一個完全分散的控制系統。除了系統本身，沒有任何系統的控制模型。

想象一下，這是2010年，你想要實時追蹤人際關系的復雜性。對于小型大學的社交生活，你可以建立一個中央數據庫并使其保持最新，但如果擴展到更大的范圍，它的維護將變得難以承受。最好是分發一個簡單的半自治代碼的免費副本，由本地托管，并讓社交網絡自行更新。這些代碼由數字計算機執行，但是整個系統執行的模擬計算遠遠超過了底層代碼的復雜性。由此產生的社交圖譜的脈沖頻率編碼模型成為社交圖譜(social graph)本身。它將在校園里廣泛傳播，然后傳播到世界各地。

如果你想制造一臺機器來捕捉人類物種所知道的一切，這意味著什么？

有了摩爾定律的支持，將世界上所有的信息數字化并不需要太長時間。

你掃描每一本書，收集每一封電子郵件，每24小時收集49年的視頻，同時實時跟蹤人們在哪里，他們在做什么。但是你怎么理解它的意思呢?

即使在所有數字化的時代，這也不能用任何嚴格的邏輯意義來界定，因為在人類中，意義并不是從根本上合乎邏輯的。一旦你收集了所有可能的答案，你所能做的最好的就是邀請定義明確的問題，并編制一份關于所有事物如何聯系的脈沖頻率加權圖。

在你知道它之前，你的系統不僅會觀察和映射事物的意義，它還會開始構建意義。隨著時間的推移，它將控制意義，就像交通地圖開始控制交通流量，即使看上去沒有人是在控制。

我們與真正的AI的關系永遠是信仰的問題，而不是證明

人工智能有三條定律。

第一定律被稱為阿什比定律(Ashby’s law)，它指出，任何有效的控制系統都必須與它所控制的系統一樣復雜。

由馮?諾伊曼闡述的第二定律指出，復雜系統的定義特征是，它由自己最簡單的行為描述構成：生物體最簡單的完整模型就是生物體本身。試圖將系統的行為簡化為任何形式的描述都會使事情變得更復雜，而不是更簡單。

第三定律指出，任何簡單到可以理解的系統都不會復雜到可以智能地運行，而任何復雜到可以智能運行的系統都會復雜到無法理解。

第三定律給那些相信“在我們理解智能之前，我們不必擔心機器之間會產生超人的智能”的人提供了安慰。

但是，第三條法律有一個漏洞——完全有可能在不理解智能的情況下將它構建出來。

你不需要完全了解大腦是如何工作的，就能構建出一個正常運轉的大腦。這個漏洞是程序員及其道德顧問對算法的任何監管都無法彌補的。

絕對“好”的AI是一個神話。

我們與真正的AI的關系永遠是信仰的問題，而不是證明。我們太過擔心機器智能，而對自我復制、溝通和控制卻知之甚少。

計算機的下一場革命將標志著模擬系統的興起，數字編程不再能夠控制模擬系統。

對于那些相信自己能造出機器控制一切的人，大自然的回應將是讓他們造出一臺能控制這些人自己的機器。