一 基於生物和經驗的模型
首先是 2012 年的 Spaun，基於生物基礎（腦圖譜），類生物神經元（尖峰放電 SNN）。
在訓練後可完成多種識別和生成和反應任務。
- map the visual hierarchy firing pattern to a conceptual firing pattern as needed
- extract relations between input elements (transformation calculation)
- evaluate the reward associated with the input (reward evaluation)
- decompress firing patterns from memory to conceptual firing pattern (information decoding)
- map conceptual firing patterns to motor firing patterns and control motor timing (motor processing)
PPC, posterior parietal cortex; M1, primary motor cortex; SMA, supplementary motor area; PM, premotor cortex; VLPFC, ventrolateral prefrontal cortex; OFC, orbitofrontal cortex; AIT, anterior inferior temporal cortex; Str, striatum; vStr, ventral striatum; STN, subthalamic nucleus; GPe, globus pallidus externus; GPi, globus pallidus internus; SNr, substantia nigra pars reticulata; SNc, substantia nigra pars compacta; VTA, ventral tegmental area; V2, secondary visual cortex; V4, extrastriate visual cortex.
在許多深度學習模型中有類似的【編碼-轉換-解碼】結構，例如 2017 年的 MultiModel ：
目前流行的大腦/意識理論是 GWT（Global Workspace Theory） 和 IIT（Integrated Information Theory）。
GWT 用意識的功能描述意識：意識具有某些功能，例如輸入輸出和各種模塊。
典型的例子如下：
這種模型有悠久的歷史和諸多例子：
IIT 用意識的特徵描述意識：意識是滿足某些特徵的現象。
雖然犧牲了一定的具體性，但也許更能同時描述非地球非碳基生物的意識。典型的特徵如下：
抽象化的表達有自己的優勢，因為從量子物理而言，一切都是一個狀態，不需要內部模塊。
例如http://xxx.itp.ac.cn/pdf/1712.01826.pdf。將觀測者簡化為計算過程後，建立了一種既唯心又唯物的宇宙理論。
關於意識的生物基礎，近年的著名發現是連接大腦各個部分的巨型神經元。這種神經元，從大腦的屏狀核出發，連接到大腦的各個部分，可能是意識的開關。
在一例癲癇患者的人體實驗中，確實可通過在屏狀核進行高頻電刺激，關閉和開啟實驗者的意識（實驗者的感覺就像斷片）。
二 在DRL 實驗環境中的模型
為實現良好的多 agent 性能，和產生有趣的合作/競爭行為，目前的 DRL 模型仍需做大量簡化，例如採用全局的優化策略。
OpenAI 的 2019 年模型（http://xxx.itp.ac.cn/pdf/1909.07528.pdf）：
OpenAI Five：
DeepMind 的 2019 年模型（Human-level performance in 3D multiplayer games with populationbased reinforcement learning）：
AlphaStar：
最近流行的論文 A distributional code for value in dopaminebased reinforcement learning ，其中人造的多巴胺神經元可以預測回報的分佈。
三 世界模型
從更廣泛的觀點看，大腦會建立世界模型：
多 agent 可進行交流：
從“心智中的世界模型”出發，也可建立現實的理論。例如 Karl Friston 提出的自由能理論，近年引人注目：
它認為，生物的本質在於讓世界模型吻合世界：一面修改世界模型以符合世界（這是顯然的），一面修改世界以符合世界模型（這是有趣且也有道理的）。總而言之，降低熵。
四 心理與非理性模型，精神分析
上文關注機械的理性與決策，只代表大腦的一部分。非理性和無意識的部分，同樣值得考慮。
生物學上有 Triune Brain 理論，將大腦分為 生存大腦 - 情緒大腦 - 理性大腦（實際情況比這更復雜）：
人的思維是從無意識而來。弗洛伊德的第一拓比（無意識 - 潛意識 - 意識）：
弗洛伊德的第二拓比（本我 - 自我 - 超我），這裡開始體現社會化/符號界：
這類視角有意義。因為前文的模型，更像描述動物的行為：動物也會合作和競爭，但都很原始。
而人類已經高度社會化。語言/文化/社會結構/意識形態/MEME 等等，形成了外部記憶/外部系統/外部意識，並深刻塑造人類的行為。
就像那個著名的笑話：人類不但是基因繁衍的方法，人類還是汽車繁衍的方法。
如果從還原論看，可認為這些仍然可來自此前的模型，不過還原論是否正確，現在不知道，所以還是結合多種觀點更為有趣。
榮格（意識 - 個人無意識 - 集體無意識），這裡的無意識仍然是神秘的混沌衝動：
拉康（實在界 - 想象界 - 符號界），這裡的無意識是更清晰的，來自於他者：
後續的客體關係學派的例子：
實際上有很多有趣的想法，例如：
怎麼讓 AI 理解這裡的這些，是個 NLP 的難題。
五 融合
自然的想法，是將這裡的觀點，包括量子物理（觀測問題仍然是複雜的）和數學和各種哲學理論，全部融合。
例如，一種 1+4 的初步融合例子：
個人認為，這裡重要的，不是融合出單個理論，而是理解為何人類會提出這些理論。
一個正確的大腦運作模型，應有能力像人類大腦一樣，提出人類提出過的所有理論。所以，一切理論，無論對錯，都有價值，都屬於樣本。
對於這種研究，似乎人類對於 AI 仍然保持著優勢。很難想象 AI 怎麼理解人類的大腦運作。
所以這可能是 AI 最難代替人類的職業。
閱讀更多 智造未來微刊 的文章
