如果你学一门非常难的外语，你不能轻易地通过下载来完成，就像学习对于我来说，我要获得学问也要付出和你一样艰苦的努力。
我不能快速访问或传输你的知识，因为知识是根植于神经递质浓聚物，允许一个神经元影响另一个突触化学物质水平的一种巨大模式，以及神经元间的连接，这称为是连接神经元的轴突和树突，在普通社会当中，这个技术是完全不可能实现的。
但需要考虑到机器智能的各个方面，在我的一家公司里，我们花了数年的时间，使用模式识别软件教一个研究性计算机识别人类的连续讲话。
?我们向它展示了数千小时的录音讲话，纠正了它的错误，并耐心地训练它的“混沌”自组织算法来改善性能，这是一种修改自己规则的方法，它基于半随机初始信息的过程，其结果不能完全预测。
最后电脑变得非常善于识别讲话，现在如果希望个人计算机识别讲话，不必通过同样艰苦的学习过程，就像我们对待每个人的孩子一样，仅通过几秒钟的下载就可以建立这一模式，智人就已经紧紧靠着和智能光脑融合的人脑做到了这一点。
分析大脑以及神经形态模型成了现在最主要的一个问题，为了了解人类智能和当代人工智能之间的分歧，我们可以通过一个很好的例子来说明，这就是它们各自是如何解决围棋问题的。
人类是通过认知模式，而机器则是建立庞大的逻辑“树”，里面包含所有可能的位置移动和对策。迄今为止的大多数技术都是利用后一种的“自上而下”的分析设计方法。
例如我们的飞行器不能试图重建鸟类的生理机能和生物结构，这不仅是没有必要的，而且是不能实现的，作为逆向设计自然方式的工具正在复杂性上迅速发展，技术正在走向模拟自然的道路，而这些技术也将在更强大的基板上实施。
掌握智能软件最吸引人的场景就是直接进入到一个蓝图，也就是智能进程中我们亲手实现的最好个例——人的大脑。
虽然进化用了几十亿年时间来发展大脑，但我们还是很容易就能获得它。虽然大脑被头盖骨保护着，但我们还是可以使用合适的工具将它暴露在我们的视野范围内。
内容未完，下一页继续阅读