&p&前面@陈炬 同学的回答都很有帮助，BBC 的《睡眠十律》值得一看。我也研究了一本叫《有效睡眠》的书，书中对睡眠的机制和原理讲的很清楚。我写了篇笔记，贴在这里希望对大家有帮助。&/p&&p&----&/p&&p&这个周末，我研究了一下睡眠相关的问题。&br&&/p&&p&和大多数上班族差不多，多数时候我的睡眠质量都还不错，不过偶尔也还是会遇到晚上在床上辗转反侧半天也睡不着，或者因为什么事情晚睡了早上不容易起来、睡过头的情况。&/p&&p&研究的结果，让我挺惊讶的。总的来说，如果一个人没有刻意去了解影响我们睡眠的机制和原理，那么仅凭生活中我们自然形成的睡眠的「观念模型」，是不大可能获得一个透彻的理解和实际运用的。也就是说，因为不了解睡眠的机制原理，偶尔遇到一些睡眠上的小困扰是，对大多数现代人是不可避免的。&/p&&p&那么切入正题，我们希望有高质量的睡眠，一般来说是为了这几点：&/p&&p&1. 让白天有更好的精神状态和效率，获得更好的生活品质；&/p&&p&2. 好的睡眠对自己长期的身体健康有很大的益处；&/p&&p&3. 规律的睡眠作息，其实效率更高，能够节省时间，因为不规律作息导致的失眠、赖床和困倦，其实挺浪费时间的。&/p&&p&为了了解睡眠的机制，我找来了《有效睡眠》（Powerful Sleep - by Kacper M. Postawski）这本小书，内容很精简， 4 个小时左右可以看完。如果有时间，建议大家自己去看一遍，一周之内应该就可以把你看书的时间赚回来。如果没太多时间，看这篇笔记应该也能了解绝大部分。&/p&&p&&b&#第一部分、原理&/b&&/p&&p&为什么一开始要说睡眠的原理，而不是直接给实际的操作建议？
因为理解是应用的基础，理解睡眠的原理，对于日常生活中实际操作和优化睡眠作息是非常有帮助的。那我们开始吧～&/p&&p&&b&1. 人体有两个系统共同作用控制人的睡眠。&/b& &/p&&p&- 清醒系统，使人在白天保持清醒， 这时脑电波频率高；&/p&&p&-
睡眠系统 ，让人在夜晚保证休息和恢复，脑电波频率低。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-8a24cbbbe03dcfdaf39b_b.png& data-rawwidth=&694& data-rawheight=&393& class=&origin_image zh-lightbox-thumb& width=&694& data-original=&https://pic4.zhimg.com/v2-8a24cbbbe03dcfdaf39b_r.png&&&/figure&&p&&b&2. 睡眠周期系统&/b&&/p&&p&从「清醒系统」进入「睡眠系统」 的过程，就是入睡的过程。这个过程不像我们想的那么简单，它呈现典型的周期特征，也就是我们常说的「睡眠周期」。 （见下图）&/p&&figure&&img src=&https://pic4.zhimg.com/v2-d09cf462b8aa149aa97dc_b.png& data-rawwidth=&771& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&771& data-original=&https://pic4.zhimg.com/v2-d09cf462b8aa149aa97dc_r.png&&&/figure&&p&睡眠周期有 5 个阶段，它的典型过程是这样的：从清醒状态，进入一个非常短暂的 REM（快速眼动阶段），然后开始第一阶段，逐渐进入第二阶段，这三个阶段都是浅睡眠阶段；再逐步进入更深的第三和第四阶段的深睡眠；在第四阶段持续一段时间之后，又会慢慢回到第三阶段，逐步到第二阶段浅睡眠，然后进入 REM ，随后又开始重复这样一个周期……分布如下： 1，2，3，4，3，2，REM，2，3，4，3，2，REM，2，3，4，3，2，REM，2，3，4， 3，2，REM··· &/p&&p&你会注意到：&/p&&p&- 第一个深度睡眠（阶段 3 和4）的时间是全部深度睡眠阶段里最长的，而且这个阶段会越来越短。在夜晚的最后，这个阶段甚至都不存在了。 &/p&&p&- 第一个 REM 是全部 REM 里最短的，而且它开始变得越来越长，这表明睡眠是逐渐变得越来越浅的。&/p&&p&&b&3.
深度睡眠是人体最需要的，是要优先保证的。&/b&&/p&&p&上面 5 个阶段中，只有第 3 、 4 两个阶段属于深度睡眠，占整体睡眠时间的 1/4 左右。（见下图）&/p&&figure&&img src=&https://pic2.zhimg.com/v2-a63c8aa2ede8b65e5efebc9_b.png& data-rawwidth=&720& data-rawheight=&372& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic2.zhimg.com/v2-a63c8aa2ede8b65e5efebc9_r.png&&&/figure&&p&深度睡眠阶段，人的血压、呼吸和心率都达到一天中的最低点。血管开始膨胀，白天存储在器官里的血液开始流向肌肉组织，滋养和修复它们。 &/p&&p&深度睡眠也是免疫系统的主要工作时间，这也解释了为何当人生病就睡的比平时多。 以及，为什么有些人睡觉的太晚或者睡的不好时，就会口腔溃疡。&/p&&p&高质量的睡眠，就是睡眠程度比较深。 也就是说，大脑比较容易进入深度睡眠阶段，并且在那个阶段保持足够久。那么，究竟是什么控制我们睡眠的时间和深浅呢？&/p&&p&&b&4.
「睡眠生物钟」和人体体温周期&/b&&/p&&p&我们都听说过人体有一个「睡眠生物钟」，这个所谓的「睡眠生物钟」究竟是什么呢？ &b&其实生物钟的本质，可以简单理解为以「人体体温周期」为主导的昼夜周期系统。&/b&（见下图）&/p&&figure&&img src=&https://pic2.zhimg.com/v2-df53e2e2d11bbccb3ff5_b.png& data-rawwidth=&762& data-rawheight=&376& class=&origin_image zh-lightbox-thumb& width=&762& data-original=&https://pic2.zhimg.com/v2-df53e2e2d11bbccb3ff5_r.png&&&/figure&&p&人的体温并不是恒定在 37°，而是围绕 37°波动， 随着时间的不同升降，温差最大是 2° 。 体温的高低变化告诉大脑，何时感到疲乏、何时清醒。 当体温升高，人往往感到清醒，脑波频率通常也比较高。 当体温降低，人往往感到困倦、疲劳。事实上，体温降低是脑电波降低和进入睡眠第一阶段的明显信号。 &/p&&p&仔细看上面的体温周期表，在中午的时候有个轻微的体温下降，这个叫做「午时体温下降」，有时候中午你会很想小睡一会，就是这个原因。&/p&&p&理解体温周期如何影响睡眠，是调整和优化自己睡眠作息的关键。体温周期使得睡眠时钟表现的像个真的时钟。一般来说，体温在早晨开始升高，在午后轻微降低，然后又开始升高直到晚上。 在晚上 6～ 8 点体温达到最高点，这时大多数人都很活跃。之后体温开始下降，9 点后很多人开始想要睡觉，在凌晨 4 点上达到最低点。 &/p&&p&通常不管你什么时候睡觉，人的体温变化都遵循相同的模式。 例如，假如你一早般 上 8 点起床，这意味着你的体温 8 点开始上升。如果晚上 11 点觉得困了，这说明你的体温在那个时间开始下降。&/p&&p&&b&5.
如何进入深度睡眠&/b&&/p&&p&前面提到，高质量的睡眠，就是让大脑比较容易的入进深度睡眠阶段，并且在那个阶段保持足够久。 那么，最关键的地方来了，&b&要想容易进入深度睡眠阶段，前提必须要使身体对高质量深度睡眠有强烈的需求，这样才能达到我们的目的。 &/b&&/p&&p&我们再来看看这张体温周期表，白天在整体上是波峰，晚上是波谷。如果想要晚上波谷足够深（容易进入深度睡眠），白天的波峰就要足够高，并且最好还要持续时间长一点，这样到了晚上，身体才会产生强烈的深度睡眠需求。&/p&&p&想让白天的波峰够高，就要让体温达到比较高的峰值，最有效的办法是「运动锻炼」和「接触阳光、晒太阳」。锻炼可以让体温达到比较高的峰值，所以经常锻炼的人，一般会睡的比较深。「晒太阳」的好处我们稍后来解释。&/p&&p&为什么午后短时间小憩，也能够让晚上睡眠更好呢？因为小憩一会儿，下午直到睡前的精力会更加充沛，工作更投入，体温会更高且持续时间也更长。这样到了晚上，身体就会产生强烈的深度睡眠需求，很容易入睡。&/p&&p&一般午睡，建议睡个10-45 分钟就可以完全的恢复精力。 但是切记，不要超过45 分钟，以免进入深度睡眠。 午睡之后，建议活动活动身体，或者接触阳光让体温升高。&/p&&p&为什么有些人一天睡 8、9 个小时，还会觉得疲劳？这其实说明睡的太多了，导致白天的活动时间和体温峰值都不足，身体对于深度睡眠需求不足，所以晚上睡眠质量也不高，虽然看似睡了很长时间。&/p&&p&&b&6. 阳光和控制睡眠的褪黑激素&/b&&/p&&p&除了运动，另一个对体温周期影响最大的因素是光照。一方面「晒太阳」能直接提高体温，让人感到暖和。另外，人体内有一个系统，由光亮和黑暗来控制的睡眠激量素含量，叫做「褪黑激素」。&/p&&p&褪黑激素的功能是让我们想睡觉并在睡觉时恢复精力。理想的褪黑激素分泌，是在夜晚时升高，而在白天时降低，这样白天就会比较精神，而晚上也容易入睡。&/p&&p&褪黑激素含量和白天接触阳光的水平密切相关。一旦眼睛接触不到阳光或者强光线环境，褪黑激素含量就开始升高。如果白天的褪黑激素含量太高，就会感到困倦，精力不足。 &/p&&p&因此，白天多接触阳光，晒晒太阳可以使体温升高，减少褪黑激素含量，让人更清醒。而晚上睡觉时，尽可能保证睡眠环境安静无光源，有助于褪黑激素分泌，更容易入睡。&/p&&p&这也是为什么阴雨天或阳光不足的冬季，人们普遍的睡眠时间会更长。因为白天的体温不够高，而褪黑激素含量却比较高。&/p&&p&好了，到这里我们已经了解到，通过「运动」和「接触阳光」，我们可以有效的让白天的体温达到峰值，并且持续比较长的时间，而褪黑激素含量比较低，这样白天就会感到精力充沛。而到了晚上，因为白天的充沛投入，身体已经对深度睡眠产生了很强的需求，所以到了晚上也容易进入深度睡眠，有很好的睡眠质量。&/p&&p&&b&7. 有没有可能睡的少一点，但睡的好一点？&/b&&/p&&p&我并不建议刻意减少睡眠时间，但如果能很好的优化自己的体温和睡眠周期，在不影响睡眠的质量的前提下，减少 1～2 个小时的睡眠时间是有可能的。要做的这一点，最重要的是「在合适的时间醒来」。&br&&/p&&p&我们再回到前面的睡眠阶段和周期表。&/p&&p&你会注意到，我们的深度睡眠时间（第3、4阶段）主要集中在前两个睡眠周期，而接近天亮时，我们的睡眠周期中处于 REM（快速眼动阶段） 的时间越来越长。&/p&&p&（注：REM
，因为这个睡眠阶段眼睛向各个方向快速的移动而得名。这个阶段脑电波的频率快速升高，和人在醒的时候活动模式几乎是一样的，因为阶段其实就是人在做梦的阶段。这或许也可以解释，为什么我们做梦时会感觉到很真实。因此，这个阶段也被称为“梦境睡眠”。事实上，每天晚上人都在做梦，只是并非每个人在醒了以后都能记得。）&/p&&p&简单来说，我们的睡眠是逐渐越来越浅的。而且每个周期都是以 REM 结束的，这时我们的生理和脑电波表现和醒着时的情况最接近，最长的 REM 是在睡眠最后阶段。&/p&&p&你可能有过这样的经历，早上醒来后感到神清气爽、完全清醒。这说明你刚好是在睡眠的周期末醒来 ，这就是醒来后精神焕发的奥秘。&/p&&p&如果人在其他睡眠阶段被弄醒，比如在深度睡眠是被闹铃吵醒，要么很难真正醒过来，很容易顺手关掉闹铃继续睡。或者即便强撑着起床了，也会感到没有休息好、疲惫，或者出现我们常说的「起床气」。&/p&&p&但也有很多人，他们不需要闹钟，每天都能在固定的时间点醒来。说明这些人已经养成了良好的睡眠作息周期，每次都能在睡眠周期的末尾 REM 阶段醒来，并且感到头脑清醒。&/p&&p&也就是说，在睡眠的最后阶段，一个长达 1 个小时左右的 REM 阶段醒来，并不会影响到睡眠的质量，而且仍然会头脑清醒。当然，调整睡眠作息不能一蹴而就，建议以 20-30 分钟为单位调整起床时间，逐渐找到适合自己的从 REM 阶段醒来的时间点。&/p&&p&&b&#第二部分、实际应用&/b&&/p&&p&上面我们讲了睡眠的机制和原理，在理解这些原理之后，我们可以怎样应用这些知识获得良好的睡眠质量呢？下面就是具体的操作建议：&/p&&p&&b&1.&/b& &b&晒太阳&/b&&/p&&p&正如前面提到的，晒太阳对人的体温节律有着直接影响，并且可以调节褪黑激素。&/p&&p&- 当接触高强度阳光时，我们的体温上升，褪黑激素含量会快速降低。&/p&&p&- 接受高强光照可以延缓体温降低，使我们可以保持更长时间清醒。&/p&&p&- 光照时间不够会造成褪黑激素含量比较高，导致体温较低，人会疲劳困倦。 &/p&&p&&b&2. 运动锻炼&/b&&/p&&p&如果你想立即提高睡眠质量，并且平常不怎么锻炼，那么开始锻炼吧。 锻炼可以在很多方面改善你的睡眠，而且对健康也很有好处。&/p&&p&- 锻炼可以升高你的体温，使你的体温峰值达到一个更高水平，这可以让你白天精力充沛，更清醒和有活力。&/p&&p&- 当你的体温峰值处于较高值，那么你的体温也能下降的更快更低，这可以使你晚上睡的更沉，中途不醒。&/p&&p&- 经常锻炼可以避免你的体温变化曲线扁平化，偶尔某天没有锻炼也能睡的很深。&/p&&p&- 锻炼延缓了傍晚时体温的降低，这可以使你保持更长时间的清醒。&/p&&p&- 锻炼同样也可以减轻紧张感和压力感，后面你会发现，紧张感和压力感是导致睡眠障碍的主要原因。&/p&&p&- 如果你还没有锻炼，快去吧！清晨也是很适合锻炼的时机，可以快速的提高体温。要但要避免在睡前 3 小时锻炼，那会使你的体温保持在高位，会造成入睡困难。&/p&&p&&b&3. 小睡片刻：短时间睡眠恢复精力&/b&&/p&&p&如果能够正确有规律的午睡，将会极大的增加你白天的精力。&/p&&p&- 进入第一个深度睡眠时段需要 45 分钟，如果你能把午睡时间限制在 10～45 分钟内，你的睡眠会主要处于第二阶段，这对恢复身体精力也有很大作用。&/p&&p&- 但是如果睡了超过 1 个小时，会进入深度睡眠。体温会降低，醒来后会很困倦。同样，如果你白天进入深度睡眠，会使你的体温周期不正常，并影响你在晚上入睡。这又会对第二天造成负面影响，比如精力不足，这是小睡时间太长的结果。 &/p&&p&&b&4. 在睡眠周期末期醒来&/b&&/p&&p&每个睡眠周期都是以 REM 结束的，这时我们的生理和脑电波表现和醒着时的情况最接近。最长的 REM 是在睡眠最后阶段，这个时间醒起床会很容易，头脑也会很清醒。 &/p&&p&- 睡眠周期并不依赖闹铃什么时候叫醒你， 它只和你的体温有关。 &/p&&p&- 很人都是靠闹铃才能把自己从睡眠中踢出来。很明显，很多人没机会让闹铃在恰当的时候响起，所以醒来后会感到疲乏。&/p&&p&在睡眠周期末尾醒来的方法是，尝试着找出睡觉的合适时间。如果你睡醒感到十分不爽，那么试着比平时早睡或晚睡 20 或 40 分钟。 通过这个办法， 你最终会找到一个合适的睡觉时间。&/p&&p&&b&5.
周末不要睡懒觉&/b&&/p&&p&周末睡觉的安排，应该和平时保持一样，这可以使你的体温周期保持稳定，不必周末补觉。你的身体已经养成了规律的睡眠作息，如果你经常改变睡眠习惯，体温变化就会不正常，要想睡的深沉就很困难。 &/p&&p&周末睡懒觉对于睡眠系统是有害的，原因如下:&/p&&p&- 这两天会减少你接触阳光的时间，这会导致你的体温升降变慢。 &/p&&p&- 结果，在周日晚上难以入睡，这就是通常所说的「周日失眠」。 &/p&&p&- 这也减少了你睡觉前的活跃度，会使你晚上睡觉的愿望不强，改变体温周期并导致失眠，损害进入深度睡眠的能力。 &/p&&p&&b&6.「补一觉」并没有多大用处&/b&&/p&&p&现在你知道了，只有在睡眠的前 3、4 个小时里大部分时间才是深度睡眠，其余大部分在第二阶段和 REM。如果你睡了 10 小时，主要增加的是 REM 的时间，这对身体并没有很大益处。 &/p&&p&如果你想在周末好好恢复身体，就像前面说的，应该睡个 45 分钟的午觉。你可以节省很多睡眠时间， 也能感到精神更好。你的睡眠系统由于这个行为也会增强，让你在晚上睡的更深沉。 &/p&&p&&b&7. 养成规律的起床和睡觉时间&/b&&/p&&p&如果你现在的日程表并不需要你每天在同一时间起床，而你起床的的时间每天不同，那么你是在损害自己的睡眠系统。 请记住，当你起床开始活动，接受阳光时，你的体温开始上升。如果你每一天在不同的时间起床，这相当于你每天早晨在倒时差。 &/p&&p&如果你的体温比平时晚两个小时上升（比如，晚起了 2 个小时）， 那么它也会晚两个小时下降。 如果你某天在不同时间起床，晚上你会感到难以入睡，而且难以睡的深沉。 &/p&&p&很多人为了补偿起床早而比平时早上床， 很多时候在入睡前要在床上干等 1～2 个小时。 这对睡眠系统也是有害的，会减少白天周期的活跃度，让你不易进入深度睡眠。&/p&&p&虽然养成规律的起床和上床时间也许有点难，但是睡的更节省时间，睡的更香甜，白天更有精神，这比赖在床上的那些时间有价值的多。 &/p&&p&&b&8.
正确的喝水&/b&&/p&&p&在深度睡眠时，血管会膨胀，白天储存在在内脏中的大部分血液会流向肌肉以修们复。它如果身体缺水，血液会粘稠并且不能去它该去的地方，而且不能携带足够的氧气去肌肉。在 REM 时，呼吸和血压剧烈上升，流向大脑和肌肉的血液会增加。大多数人早上醒来会很渴，清晨起来喝一杯白开水会很有帮助。&/p&&p&同样，晚上的大部分能量消耗在消化系统，这也很需要水。如果身体系统含水更多，身体晚上消化食物的时候会消耗较少的能量， 从而集中精神提供更好的睡眠。 结果是睡的时间更少，精力恢复的更好。 &/p&&p&合适的饮水量在调节体温方面也有重要的作用。含水量更高，身体控制体温更容易。体温是控制睡眠的周期和质量的主要时钟，恰当的饮水量会会帮助睡眠系统工作在最佳状态。&/p&&p&&b&9. 晚餐少吃，睡前少吃：避免消化系统负担；&/b&&/p&&p&人的消化系统在晚上会变慢，使得消化食物变困难。在深度睡眠时，身体需要很多能量把血液送到肌肉并且补充精力。因此，晚上的消化系统任务越重，睡眠的质量就越差。&/p&&p&&b&10. 睡姿 &/b&&/p&&p&躺睡、侧睡都可以，不要趴着睡，这对睡眠和背部都不好，也会给体内重要的器官增加不必要的压力。&/p&&p&&b&11.
压力和焦虑&/b&&/p&&p&当人面对可能带来痛苦的困境时，压力就产生了。在山顶洞人时代，压力使人对危险保持警觉和远离伤害，它使我们从危机中幸存下来。但在现代社会中，它却成了一个恼人的负担。&/p&&p&首先，当人处于压力之中时，身体发生了什么?&/p&&p&- 当人感受到压力时， 肾上腺素含量立即升高。 这会给神经系统极大刺激， 人的敏捷程度和肌肉张力都立即增加了；&/p&&p&-
心率，血压，呼吸，血糖含量急剧增加；&/p&&p&- 脑电波升高；&/p&&p&很明显，压力在身体内的表现，让我们和高质量睡眠无缘，甚至与睡眠无缘。压力有一个很大的缺点，它使脑电波保持高水平并让大脑总是保持高速运转。这对睡眠系统有很大危害，甚至会引起失眠。&/p&&p&你可以学习一些日常的缓解压力、自我放松的方法，这对于降低压力激素、提高睡眠质量和健康都很有好处。&br&&/p&&p&关于睡眠的知识，这篇文章的信息量已经有点太多了。所以，我们将睡眠障碍和失眠的情况单独用一篇文章来说明，该如何应对和调整。你可以在公众号「胡维的奇妙冒险」的历史记录中查看这篇文章。&/p&&p&----&/p&&p&感谢你读完这篇文字，在了解睡眠相关的知识后，你可以对自己的睡眠作息进行优化和调整了，找到一个适合自己的规律的睡眠作息。&/p&&p&最后请记住，要提高睡眠质量，必要须使身体对高质量睡眠有需求，这样才能达到我们的目的。&/p&&p&----&/p&&p&&b&One more thing &/b& &/p&&p&我觉得，我们的睡眠周期很有意思。&/p&&br&&figure&&img src=&https://pic4.zhimg.com/v2-d09cf462b8aa149aa97dc_b.png& data-rawwidth=&771& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&771& data-original=&https://pic4.zhimg.com/v2-d09cf462b8aa149aa97dc_r.png&&&/figure&&p&我个人猜测，我们之所以会形成这种不均匀的睡眠周期，可能是由于数百万的进化过程中，原始人类祖先多是在岩穴／树林／等户外等环境中睡觉的，就像库布里克的电影《2001 太空漫游》开头的智人一样，因为缺少十分安全有保护的环境，长时间睡觉本身是一件有风险的事情。毒蛇猛兽、夜袭动物，以及其他不可预见的风险。我猜这也是为什么在诸多文明的传说中，夜晚总是邪恶鬼魅出现的时候。人类的基因中，或许天生存在一部分对黑夜的恐惧。因此，在睡觉时，人需要时不时的保持一点清醒来以确认自己或孩子的安全。这也是为什么新生儿妈妈总是睡不好的原因，因为潜意识需要她关注自己孩子在夜间可能出现的状况。而且在部落群居的环境下，这种部落成员交错的保持一点清醒能保证整个社群的安全。&/p&&p&那么，出于安全性和效率的平衡，这种逐渐递减的睡眠周期，是一种最优解。举个例子，我们要给自行车车胎打气，一方面我们要有效率的打气，另一方面我们也要确保不会打太多气导致车胎爆掉。所以，当车胎很憋的时候，我们一般是这样操作的，先上来打 10～20 次，一下子补充足够多的气体；然后，我们会用手去捏一下车胎，看看有没有很胀；确认没有太胀后，我们再打 6～7 次；再用手确认一下，是不是快好了，最后再补 3～4 次，车胎就彻底打满了。这是不是很像我们的睡眠周期一样？&/p&&p&以上仅是个人猜测，欢迎交流。&/p&
前面@陈炬 同学的回答都很有帮助，BBC 的《睡眠十律》值得一看。我也研究了一本叫《有效睡眠》的书，书中对睡眠的机制和原理讲的很清楚。我写了篇笔记，贴在这里希望对大家有帮助。----这个周末，我研究了一下睡眠相关的问题。 和大多数上班族差不多，多数…
&figure&&img src=&https://pic1.zhimg.com/v2-aa4e20a151da163d876060_b.jpg& data-rawwidth=&976& data-rawheight=&697& class=&origin_image zh-lightbox-thumb& width=&976& data-original=&https://pic1.zhimg.com/v2-aa4e20a151da163d876060_r.jpg&&&/figure&&p&自人类文明出现以来，也许至少从古希腊时期开始，我们就一直在尝试对智能（intelligence）进行逆向工程——在希腊德尔斐的阿波罗神庙前庭，刻着西元前留下的神谕：认识你自己（Know Thyself）。&br&&/p&&p&千年以来，各路学者前赴后继，一直都无法解开这个秘密：隐藏在人脑深处的组织法则。近日，在 Augusta University 大脑与行为研究所主任钱卓（Joe Z. Tsien）教授带领下的一个科研团队尝试解决了这个问题，他们关于这一问题可能答案的论文最近发表在了 &a href=&https://link.zhihu.com/?target=http%3A//journal.frontiersin.org/journal/systems-neuroscience& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Frontiers in Systems Neuroscience&/a& 上。如果这个答案正确，那必将会给整个神经科学领域带来巨大冲击，甚至可能开启人工智能的新纪元。&br&&/p&&p&该研究的其中一个实验是以蒙着眼睛的小鼠作为实验对象，实验结果表明在生物大脑中可能存在一种通用的计算原理。在小鼠大脑发育的关键阶段，蒙着眼睛的小鼠的大脑中与视觉相关的大脑区域会被重新分配其它心智任务。这似乎能够证明人脑和老鼠的大脑相似，都具有可塑性，可以以一种通用计算机器（universal computing machine）的方式进行重新编程。&/p&&p&&figure&&img src=&https://pic4.zhimg.com/v2-d208f1bbe3bafe93fc9ae5_b.jpg& data-rawwidth=&969& data-rawheight=&545& class=&origin_image zh-lightbox-thumb& width=&969& data-original=&https://pic4.zhimg.com/v2-d208f1bbe3bafe93fc9ae5_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/v2-caf2bde755c0e173ef497d8_b.jpg& data-rawwidth=&960& data-rawheight=&713& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/v2-caf2bde755c0e173ef497d8_r.jpg&&&/figure&&em&在用于处理食物体验的小鼠细胞集群中的二次幂置换逻辑的证据。Source：Frontiers in Systems Neuroscience&/em&&br&&/p&&p&但是如果人脑灰质（grey matter）中存在一种占据主导地位的统一计算原理，那这个原理会是什么样的呢？钱卓教授花费了十多年的时间研究这一问题，他一直相信在所谓连接理论（Theory of Connectivity）中，人类会有所发现。&br&&/p&&p&「很多人都一直在思考，在智能的起源和大脑的进化上一定有一个基本的设计原理，就像是 DNA 的双螺旋结构，每一个生物都有普遍存在的遗传密码。我们给出了证据说明人脑可能是按照一种极其简单的数理逻辑来运作的。」钱卓说道。&br&&/p&&p&连接理论（Theory of Connectivity）认为一个叫做基于二次幂的置换（power-of-two-based permutation）的简单算法可以被用来解释大脑的回路，其可表示为&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-83a8b30a7bd61b74ec1f_b.jpg& data-rawwidth=&181& data-rawheight=&57& class=&content_image& width=&181&&&/figure&为了解读这个公式，让我们根据连接理论先定义几个关键的概念，特别是 neuronal clique 的概念。neuronal clique 是指一组同时释放（fire together）的神经元，它们聚簇成功能连接模体（FCM/functional connectivity motif），大脑则用其来识别特定的模式和概念。我们可以将其比作是一棵树的树枝，其中 neuronal clique 就是树上最小的连接单元——尖端的枝桠；当与其它 clique 结合时，就可以构成一个 FCM。大脑中所表征的概念越复杂，其 FCM 就越卷曲（convoluted）。在上面那个公式里面的 n 是指响应给定的输入 i 而进行释放（放电或释放神经递质）的 neuronal cliques 的数量。&br&&/p&&p&在最近的一篇论文当中，钱卓和他的同事们证明了这一理论，通过为老鼠提供大量不同的刺激，记录神经元在回应刺激时释放的模式。实验结果似乎证明了他们的猜想，他们的算法正确地预测了在特定刺激下被激活的神经组织的数量。&br&&/p&&p&该研究团队的成果可能不仅将在神经科学领域产生巨大反响，而且会对人工智能产生巨大影响，它的原理有助于人工大脑（artificial brain）的创造，因为人工大脑的模式直接与人脑相类似。这样的发展是令人畏惧还是应该得到表彰，也将会是一场影响深远的讨论。但是我们越来越确信的一点是：我们很快就会得到答案。&/p&&p&&strong&论文：大脑计算是通过基于二次幂的置换逻辑进行组织的（&a href=&https://link.zhihu.com/?target=http%3A//journal.frontiersin.org/article/10.3389/fnsys./full& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Brain Computation Is Organized via Power-of-Two-Based Permutation Logic&/a&）&/strong&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-857bca37c3f0b05a9784184_b.jpg& data-rawwidth=&857& data-rawheight=&397& class=&origin_image zh-lightbox-thumb& width=&857& data-original=&https://pic3.zhimg.com/v2-857bca37c3f0b05a9784184_r.jpg&&&/figure&&p&人们长期以来都认为细胞集群（cell assemblies）是计算的中心。细胞集群是如何组织起来使大脑生成智能的认知和灵活的行为的呢？科学界对于理解这种方式一直有很大的兴趣。连接理论（Theory of Connectivity）提出智能源于基于二次幂的置换逻辑（power-of-two-based permutation logic）&/p&&figure&&img src=&https://pic1.zhimg.com/v2-83a8b30a7bd61b74ec1f_b.jpg& data-rawwidth=&181& data-rawheight=&57& class=&content_image& width=&181&&&/figure&&p&，其能产生特定到通用的细胞组织架构（specific-to-general cell-assembly architecture），该架构能够生成特定的感知和记忆、以及泛化的知识和灵活的行为。我们证明这个基于二次幂的置换逻辑在各种动物物种的皮层和皮层下的回路中广泛出现，并且其一直以来也被用于食欲、情感和社交信息等各种认知模式的处理。&br&&/p&&p&但是，多巴胺能（DA）神经元等调节神经元（modulatory neurons）却使用了一种更为简单的逻辑，尽管它们是不同的亚型（subtypes）。有趣的是，尽管 NMDA 受体（即用于学习和记忆的突触开关）会在成年后消失，但这种特定到通用的置换逻辑（specific-to-general permutation logic）很大程度上会保持完整，这说明此逻辑是发展性预配置的（developmentally pre-configured）。&br&&/p&&p&此外，这种计算逻辑是通过在皮层中将表浅层 2/3 中的随机连接策略（random-connectivity strategy）与深层 5/6 中的非随机组织（nonrandom organizations）结合起来而实现的。这种层 2/3 的随机性（其优先编码特定的和低组合性的特征并在皮层间投射（project））集团对于使用稀疏编码（sparse code）的跨模态全新特征提取、模式辨别和模式分类的最大化来说是理想的方式，这也因此解释了它需要海马体离线巩固（hippocampal offline-consolidation）的原因。相对地，层 5/6 中的非随机性（其由少量特定的集团组成，但更通用集团中相当大一部分主要投射到皮层下系统（subcortical systems））对动机、情绪、意识和行为的反馈-控制（feedback-control）是理想的。&br&&/p&&p&这些观察说明大脑的基本计算算法确实是通过基于二次幂的置换逻辑进行组织的。这个简单的数学逻辑可以用来解释整个进化谱（evolutionary spectrum）中的大脑计算，范围涵盖最简单的神经网络到最复杂的神经网络。&/p&&p&选自&a href=&https://link.zhihu.com/?target=https%3A//www.extremetech.com/extreme/240695-scientists-discover-natures-algorithm-intelligence& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Extreme Tech&/a&&strong&机器之心编译&/strong&&/p&
自人类文明出现以来，也许至少从古希腊时期开始，我们就一直在尝试对智能（intelligence）进行逆向工程——在希腊德尔斐的阿波罗神庙前庭，刻着西元前留下的神谕：认识你自己（Know Thyself）。 千年以来，各路学者前赴后继，一直都无法解开这个秘密：隐藏…
&p&如题主所说，五笔这个 90 年代笑傲打字领域的输入法，如今已经几乎被人遗忘。&br&&/p&&br&&p&但五笔落伍了吗？最终会走向灭亡吗？讨论这些问题之前，我们先来看看它的诞生历史。&/p&&b&&br&&u&一、拯救了中文输入法&/u&&/b&&br&&br&&p&80 年代前后，随着计算机被引进中国，一个实际的问题出现了——如何输入汉字？&/p&&br&&p&虽然拼音输入法也能用 26 键解决汉字输入法问题，但彼时却出现了 “汉字落后论” 的观点，有部分人主张 “汉字拼音化”，“拼音代替汉字” 甚至 “一语双文”，让汉字输入与字形没有直接关联，这是中国文化史上前所未有的汉字危机。&/p&&br&&p&当时中外研究人员的主流思路都是打造汉字输入键盘，如日本的 “主—辅” 键整字输入键盘、北京大学包括 256 键、1000 个部件的汉字拼形组字 “中键盘”。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-b1cdf69a4e93ca3a2b87f08_b.jpg& data-rawwidth=&720& data-rawheight=&291& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-b1cdf69a4e93ca3a2b87f08_r.jpg&&&/figure&&p&（图片来自：&a href=&//link.zhihu.com/?target=http%3A//www.wangma.net.cn/news-dail.aspx%3Fm%3D134& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&王码官网&i class=&icon-external&&&/i&&/a&）&/p&&br&&p&1978 年，在河南南阳科委工作的王永民，因对川光厂花费了 9 万元研制出的 “幻灯式” 键盘（用来解决汉字排版机的校对问题）感到不满意，发誓做出更好的汉字输入键盘的王永民，开始了长达五年的研究工作。&/p&&br&&p&一开始，王永明也免不了走 “做键盘” 的老路，但他一步步将键盘由 188 键压缩至 36 键。这一切，还是在没有电脑的情况下完成的。&/p&&p&又经过一系列改进后，1983 年，五笔字型横空出世。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ed610b9fb779cfc51688adb_b.jpg& data-rawwidth=&630& data-rawheight=&396& class=&origin_image zh-lightbox-thumb& width=&630& data-original=&https://pic4.zhimg.com/v2-ed610b9fb779cfc51688adb_r.jpg&&&/figure&&p&虽名为 “五笔”，但原则上每个字最多只需要四码便能输入。之所以叫五笔，是因为汉字字型可以按照首笔笔画 “横竖撇捺折” 分为五种，键盘的 26 个字母键上也由此被分为 5 个区，分别对应不同的字根，如木、目、女等。&/p&&br&&p&五笔字型仅仅使用 26 个字母，完全依据笔画和字形特征对汉字进行编码，按王永明的说法，就是 “用科学的方法和设计，让汉字跨越数字化鸿沟”。&/p&&br&&p&新华社将五笔字型誉为中国文化史上 “意义不亚于活字印刷术” 的重大发明。&/p&&br&&u&&b&二、从碾压拼音输入法到没落&/b&&/u&&br&&br&&p&尽管五笔字型解决了汉字输入的问题，但从推广到应用，又经过了整整十年时间。&/p&&br&&p&随着 1986 年全球第二大电脑公司 DEC 花费了数十万美元买下了 “五笔字形” 的使用权、1987 年和 1988 年国家科委和国防科工委分别发文推广五笔字型、到王码 86 及王码 98 被嵌入微软 Office 组件，90 年代出现了全民学五笔的热潮，王码五笔输入法终于迎来了辉煌期。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-3f5df6e268eb1_b.jpg& data-rawwidth=&278& data-rawheight=&188& class=&content_image& width=&278&&&/figure&&p&（王码 86 及王码 98 被嵌入微软 Office 组件）&/p&&br&&p&相比于拼音输入法，五笔的最大优势在于重码率低。&/p&&br&&p&或许现在用着各种智能拼音输入法的你，对于选词的问题并没有太大感觉，各大厂商早已用强大的词库和云联想技术将拼音输入法这一劣势降至最小。&/p&&br&&p&但在 90 年代至 21 世纪初，拼音输入法的使用体验算不上美好，打一个字往往需要翻上好几页，词库的容量也小得可怜。而几乎不需要选词，可以直接盲打的五笔在当时简直是神器般的存在。&/p&&br&&p&大量的五笔学习班、教程也由此出现，带有五笔字根键盘的 “小霸王” 学习机更是很多人童年的回忆。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-7b016b0ae8f2b9638ea17e_b.jpg& data-rawwidth=&720& data-rawheight=&470& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-7b016b0ae8f2b9638ea17e_r.jpg&&&/figure&&p&然而，智能拼音的出现却打破了五笔在汉字领域独领风骚的格局，成为了拼音输入法用户的福音。&/p&&br&&p&2006 年，搜狐推出搜狗拼音输入法。这一产品起初并未引起过多关注，毕竟当时的拼音输入法已是智能 ABC 和紫光拼音的天下。&/p&&br&&p&未曾想，搜狗输入法开创的整句输入、联想输入、云联想等功能，加上强大的联网词库，彻底颠覆了拼音输入法的体验。&/p&&br&&p&在此之后，腾讯、百度、Google 等厂商也纷纷推出拼音输入法产品，也无外乎是依赖庞大的词库、编码优化和大数据优化等，用技术手段硬是让拼音输入法的速度实现了质的飞跃。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-2ee47bb483d_b.jpg& data-rawwidth=&400& data-rawheight=&206& class=&content_image& width=&400&&&/figure&&p&虽然并无确切的统计数据表明五笔的使用人数少于拼音，但通过日常生活也能看出，伴随各位在电脑前键字如飞，无疑是搜狗拼音、QQ 拼音等。&/p&&br&&p&仍坚守在五笔阵营的，要么是不会拼音的长辈、要么是需要大量录入文字的专业人员（如银行职员、会计等），当然还有少数因初期拼音输入法体验过差，为了追求速度而学习了五笔的 90 后。&/p&&br&&p&对我们普通人而言，且不说如今的拼音输入法各种强大，即使是在 90 年代，借助智能 ABC 等优秀工具，拼音在效率上也并非一无是处，很多人甚至能将智能 ABC 上字词的页码倒背如流，从而实现盲打。这也是五笔虽然得到了国家相关部门的大力推广，但迟迟无法普及开来的原因之一。&/p&&br&&p&一边是需要投入精力学习、忍受学习速度爬坡的五笔，另一边是上手即可用，日常打字速度也几乎与五笔无异的拼音输入法，加上各大厂商重金投入推广，大部分用户也乐得投入后者的怀抱了。&/p&&br&&u&&b&三、制约五笔发展真正原因&/b&&/u&&br&&br&&p&五笔比拼音输入法难学，这是很多人对其望而却步的原因。&/p&&br&&p&然而，我们觉得拼音输入法没有上手难度，只是因为我们已经经历了它的学习过程。&/p&&br&&p&托九年义务教育的福，大多数人在接触电脑前，已能熟练掌握拼音。因此，将需要从头开始学起的五笔，与我们其实已经掌握用法的拼音输入法进行学习难度的对比，本身就不是一个公平的比较。&/p&&br&&p&这个问题下另一个答主 &a data-hash=&df4deb9232dab1f6f8da0& href=&//www.zhihu.com/people/df4deb9232dab1f6f8da0& class=&member_mention& data-editable=&true& data-title=&@张抗抗& data-hovercard=&p$b$df4deb9232dab1f6f8da0&&@张抗抗&/a& 讲得很好，那就是五笔的学习曲线非常陡峭。&figure&&img src=&https://pic3.zhimg.com/v2-c16cad050a6ca_b.png& data-rawwidth=&571& data-rawheight=&402& class=&origin_image zh-lightbox-thumb& width=&571& data-original=&https://pic3.zhimg.com/v2-c16cad050a6ca_r.png&&&/figure&（图自 &a data-hash=&df4deb9232dab1f6f8da0& href=&//www.zhihu.com/people/df4deb9232dab1f6f8da0& class=&member_mention& data-editable=&true& data-title=&@张抗抗& data-hovercard=&p$b$df4deb9232dab1f6f8da0&&@张抗抗&/a& ）&br&&/p&&br&&p&如果让一个既不会拼音也不会五笔的人，从零开始学习打字，恐怕拼音并不比五笔好学。这一点也可以从很多老一辈的人使用五笔得到佐证。&/p&&br&&p&五笔并不比拼音难，但仅仅是一个 “需要专门学习” 的门槛，足以拦住绝大多数人。&/p&&br&&p&从小到大，我们学习语数外、理化生、各种乐器，又有哪些不是从零开始的？可我们为何愿意投入精力去学？因为我们都知道其重要性，讲得更功利些，我们能够从中获得巨大收益，因此选择迎难而上。&/p&&br&&p&至于五笔，这只是一门锦上添花的技能。会与不会，并不影响我们在网上愉快地聊天、写文章。&/p&&br&&p&归根到底，还是一个投入与产出比的问题。如果你是对于文字输入准确率有极高要求的人员，如速记员、会计、秘书等，那么你学习五笔的动力无疑要充足得多，因为你需要它。&/p&&br&&u&&b&四、用简单的方式满足大众的 “专业” 需求&/b&&/u&&br&&br&&p&尽管五笔输入法已不复当年辉煌，但在某些领域，如出版社、银行、会计做账等，五笔依然有着拼音无法比拟的优势。换而言之，五笔从一项曾经是大众化的技能，又变成了专业人士的工具，这或许才是它的正确定位。&/p&&br&&p&遥想当年的 P 图党，只是想为照片想去个红眼、修一下皮肤、加个滤镜，我们都需要掌握各种 PS 技巧，搞清楚色域、色阶的区别，看懂直方图等。&/p&&br&&p&现在，哪个姑娘手机里没几款美颜相机？磨皮、瘦脸、袪痘，都只是简单的几次操作而已。你辛辛苦苦在 PS 上调了半天的色彩，效果可能还不如 VSCO Cam、Instagram 上滤镜。&/p&&br&&p&或许这些软件所实现的效果仍与 PS 有差距，但对于普通人来说，够用就行，我并不在意那调好的滤镜是否口味过重、磨皮是否把五官都磨没了。&/p&&br&&p&将部分专业的功能用简单的方式实现，这也是如今不少面向大众的产品的生存之道。同样的情况还发生在 WPS、Google Doc 等产品上。这些产品可能在功能上无法与 Office 抗衡，但功能的减少也意味着使用难度的降低，毕竟我们很多人需要的只是最基本的文档编辑功能而已，Office 组件里那些复杂的按钮又有多少人能用得上？&/p&&br&&p&从胶片相机、到卡片机，再到如今手机的拍照功能，拍照的门槛也是一再降低，单反依然屹立不倒，但拍照不再是专业人士的专属。&/p&&br&&p&五笔与拼音的相爱相杀过程，也是同样的道理。输入法并无优劣之分，只有专业与日用之别。&/p&&br&&p&往长远看，拼音和五笔输入法或许都将被语音输入、文字自动识别等技术所取代。就目前的发展来看，语音输入的准确率和速度已经达到了相当高的水平。当然，短期内键盘输入仍有其用武之地，但并不排除在未来会出现更高水平的技术将这些输入法取而代之，比如无需借助双手的脑电波之类的，这就是后话了。&/p&&br&&p&&i&一个 AI：在 95 后、00 后都已经不知五笔为何物的今天，用着五笔大概是一种暴露年龄的体验吧。&/i&&/p&&br&&p&原文作者：爱范儿 · 吴羚&/p&&p&后期编辑： &a data-hash=&c580c86fda4f29a3592d& href=&//www.zhihu.com/people/c580c86fda4f29a3592d& class=&member_mention& data-editable=&true& data-title=&@巫冬& data-hovercard=&p$b$c580c86fda4f29a3592d&&@巫冬&/a&&/p&&p&原文链接：&a href=&//link.zhihu.com/?target=http%3A//www.ifanr.com/764609& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&五笔未死，只是凋零&i class=&icon-external&&&/i&&/a&&/p&
如题主所说，五笔这个 90 年代笑傲打字领域的输入法，如今已经几乎被人遗忘。 但五笔落伍了吗？最终会走向灭亡吗？讨论这些问题之前，我们先来看看它的诞生历史。 一、拯救了中文输入法 80 年代前后，随着计算机被引进中国，一个实际的问题出现了——如何输…
&figure&&img src=&https://pic3.zhimg.com/v2-117ebcf1e97a277db524f105_b.jpg& data-rawwidth=&427& data-rawheight=&240& class=&origin_image zh-lightbox-thumb& width=&427& data-original=&https://pic3.zhimg.com/v2-117ebcf1e97a277db524f105_r.jpg&&&/figure&&p&在门诊，很多痤疮患者会问我：「医生，我长这个痘痘需要忌什么口吗？」&/p&&p&这是个好问题。痤疮的忌口是有必要的，但有其讲究，不是那么想当然；也有其限制，不是那么万能。&/p&&br&&p&且听陈太医慢慢为你道来：&/p&&br&&br&&p&&strong&为什么会长痘&/strong&&/p&&p&痤疮之所以被称为「青春痘」，是因为它好发于青春期。不管男性女性，体内都有一定量的雄激素。进入青春期后雄激素特别是睾酮的水平快速升高．睾酮在皮肤中经5-α还原酶的作用转化为二氢睾酮，后者与皮脂腺细胞的雄激素受体结合发挥作用，产生大量皮脂。&/p&&br&&p&皮肤科医生有云：「无油无痤疮」。油脂分泌旺盛，与毛囊口异常角化互为因果，引起毛囊堵塞，导致粉刺的出现。油多、毛囊堵，又共同构成了痤疮杆菌大量繁殖的良好条件，一旦繁殖起来，就形成了炎性丘疹，也即是你所看到的显眼的基底潮红顶部有脓点的痘痘。&/p&&br&&p&青春期是无法阻止的，但除了激素外，还有很多因素可以引起皮脂分泌旺盛和毛囊口角化过度，譬如饮食。这却是我们可以主动避免的。&/p&&br&&br&&p&&strong&如何忌口&/strong&&/p&&br&&p&&strong&高糖高脂&/strong&&/p&&p&高糖食品以糖果、蛋糕、奶油等物为代表，一些过甜的干果，如蜜饯、桂圆干等也需要注意控制摄入量。我们总以为两广气候炎热是当地年轻人好长痤疮的原因，但其实由于当地夏日漫长，喜食冰镇糖水解暑，这也可能是一个原因。高脂食品不仅仅是五花肉，油条、炸花生等素食的油脂含量也十分可观。&/p&&br&&p&其实，一些不起眼的西点如曲奇、黄油吐司等，如果你亲自动手做过，就会很直观地体会到里面的热量有多高，简直再也不想吃了。&/p&&br&&p&什么？你说你还是会想吃？&/p&&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-a091f01d90e1fcea81ece0_b.jpg& data-rawwidth=&370& data-rawheight=&234& class=&content_image& width=&370&&&/figure&&br&&br&&p&&strong&脱脂牛奶&/strong&&/p&&p&2012 年，一项针对 563 名意大利受试者（10-24 岁）的对照研究发现，超量摄入牛奶同样增加痤疮风险，特别是脱脂牛奶，但未发现痤疮与奶酪或酸奶的关系。&/p&&br&&p&幸运的是，目前并没有足够的证据证明巧克力会诱发痤疮。总算还给女性留了一条生路。&/p&&p&&strong&辛辣食物&/strong&&/p&&p&麻辣火锅最可怕！除了辣椒，还常常与花椒、大蒜等食材为伍，所涮的又常为红肉、动物内脏等高脂肪食物。两相结合，立竿见影，噗噗冒痘啊！&/p&&p&虽然有文献表明，人体皮脂腺及体外皮脂腺细胞可表达TRPV1（一类蛋白质分子），低浓度辣椒素可通过TRPV1刺激皮脂腺细胞增殖，而高浓度可抑制其生长，换句话说也就是，吃少了冒痘，吃多了反而皮肤好。但辣椒吃多了，又容易对其他系统造成影响，比如使肠道蠕动加快和局部血管扩张，造成腹泻或加重痔疮。因此最好不要隔三岔五就吃辣。&/p&&br&&p&酸辣不分家，有辣的地方，常常就伴有酸，因此不少人印象中，既不能吃辣，就不该吃酸吧？&/p&&p&然而，酸的食物并不明显增加皮脂的分泌，并且不少水果中恰恰是因为富含酸性的维生素C，所以才会呈酸味，而摄入充足的维C对于促进痘印的消退是有所帮助的，应该常吃。&/p&&br&&p&&strong&饮酒、咖啡、浓茶等&/strong&&/p&&p&这类饮品由于能使交感神经兴奋，也可以通过神经调控的方式促进皮脂分泌。其中茶与咖啡的长痘效应是比较不明显的，饮酒由于常常需要一些肥甘厚味的下酒菜相伴，是最容易诱发或加剧而痤疮的。&/p&&br&&br&&p&&strong&除了忌口，还要做些什么&/strong&&/p&&p&尽管整体而言，嗜食辛辣、甜食、油腻等饮食者，发生痤疮的几率和严重程度，都较饮食清淡、喜食蔬果者更高，但单因素通常不会引起明显的结局差异。&/p&&br&&p&比如我，不爱吃辣不爱吃甜品不爱吃肥肉仅仅是爱喝咖啡而已，我长痘的几率并不比我那喜欢喝着啤酒撸着串熬夜追剧的老公更高，就更别提我那还在青春期的小姑子了，相比之下，我在家里倒成了那个「不懂保养却有好皮肤」的人。&/p&&br&&p&这是因为，痤疮本身的发病因素就很复杂，与激素、皮脂、毛囊角化异常、痤疮丙酸杆菌增殖及遗传等多种因素都相关，单纯戒掉甜食、辛辣、油腻食物，对痤疮发病的影响较为有限。要想控制痤疮，还有许多工夫要做。比如：&/p&&br&&ul&&li&&p&皮脂溢出者可适当增加洗清水脸的次数（但建议每天不要超过3次，并且不要大力揉搓，洗脸并不是大力出奇迹。）&/p&&/li&&li&&p&洗完后及时做好保湿工作。&/p&&/li&&li&&p&少化妆，选择质地清透稀薄的护肤品。&/p&&/li&&li&&p&注意防晒，规律作息。&/p&&/li&&li&&p&&strong&最重要的一点：不要用手挤压、挠抓！&/strong&&/p&&/li&&/ul&&br&&p&痤疮是一个慢性皮肤病，生活护理也非一日之功，需要养成习惯，才能长时间保持皮肤的光滑平整。&/p&&br&&p&假如这些生活护理都不能控制住痤疮的来势，你就可能需要就医了，在医院里，我们有更多的法宝对付它。不信？你关注我的公众号「陈语岚」试试！&/p&&br&&p&&figure&&img src=&https://pic1.zhimg.com/v2-d789c6ef19ff20ab0cbd_b.jpg& data-rawwidth=&641& data-rawheight=&641& class=&origin_image zh-lightbox-thumb& width=&641& data-original=&https://pic1.zhimg.com/v2-d789c6ef19ff20ab0cbd_r.jpg&&&/figure&「我真的是个二维码……」&/p&
在门诊，很多痤疮患者会问我：「医生，我长这个痘痘需要忌什么口吗？」这是个好问题。痤疮的忌口是有必要的，但有其讲究，不是那么想当然；也有其限制，不是那么万能。 且听陈太医慢慢为你道来： 为什么会长痘痤疮之所以被称为「青春痘」，是因为它好发于青…
&figure&&img src=&https://pic4.zhimg.com/0dd382df_b.jpg& data-rawwidth=&1484& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1484& data-original=&https://pic4.zhimg.com/0dd382df_r.jpg&&&/figure&&h2&写在前面的话&/h2&&p&在本专栏的&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&第一篇&/a&和&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&第二篇&/a&文章中，我提到了好几次大脑可塑性（plasticity）的概念。大脑可塑性不只是神经元数量的增加，还体现在神经元之间的突触形成和连接建立上。大脑的功能建立在高度连接的神经网络基础上。发育的过程是神经元获得特定的属性，并且建立正确的连接；而学习和记忆的过程，是神经元之间的连接得到修改，增强或者减弱。这一微观现象在分子生物学和电生理学实验中都被观察到了，而出身于数学、物理、计算机背景的科学家们也非常感兴趣，想在全局视野上理解这一现象。本文将重点介绍两种研究突触间可塑性的计算神经科学的常用方法。&/p&&p&--------&/p&&h2&Hebb的假设&/h2&&p&在这一篇&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&文章&/a&里，我提到Hebb关于神经元间形成突触的理论，fire together, wire together. 即当两个在位置上临近的神经元，在放电时间上也临近的话，他们之间很有可能形成突触。而突触前膜和突触后膜的一对神经元的放电活动（spike train）会进一步影响二者间突触的强度。&/p&&p&当时在UCSD的华裔科学家&a href=&http://link.zhihu.com/?target=http%3A//www.ion.ac.cn/chinese/about_ion/poomuming.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&蒲慕明&/a&和&a href=&http://link.zhihu.com/?target=http%3A//en.biox.ustc.edu.cn/Faculty/brjh/543.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&毕国强&/a&对Hebb的假设做出了非常大胆而精彩的实验验证。在大鼠海马区神经元上，通过改变突触前膜神经元和突触后膜神经元放电的时间差&img src=&http://www.zhihu.com/equation?tex=%5CDelta+t& alt=&\Delta t& eeimg=&1&&，来检验二者之间突触强度的变化。不过，为了实验进行的方便，以突触后膜神经元为参照，突触前膜神经元放电将在突触后膜引起一个兴奋性（EPSP）或者抑制性（IPSP）的局部电流，因此时间差&img src=&http://www.zhihu.com/equation?tex=%5CDelta+t& alt=&\Delta t& eeimg=&1&&被重新定义为EPSP产生和突触后膜放电的时间差，即&img src=&http://www.zhihu.com/equation?tex=%5CDelta+t+%3D+t%5E%5Cmathrm%7Bspike%7D-t%5E%5Cmathrm%7BEPSP%7D& alt=&\Delta t = t^\mathrm{spike}-t^\mathrm{EPSP}& eeimg=&1&&.&/p&&p&实验结果非常喜人。&/p&&p&&figure&&img src=&https://pic1.zhimg.com/cdc1fddeaa6e45dc5d162_b.jpg& data-rawwidth=&448& data-rawheight=&387& class=&origin_image zh-lightbox-thumb& width=&448& data-original=&https://pic1.zhimg.com/cdc1fddeaa6e45dc5d162_r.jpg&&&/figure&如上图所示，EPSC幅度是一个测量突触强度&img src=&http://www.zhihu.com/equation?tex=w& alt=&w& eeimg=&1&&的量。当EPSP先于spike产生，该突触强度增强；当EPSP后于spike产生，该突触强度被减弱；增加和减弱的量跟突触的当前强度有关。这个现象叫做Spike-Timing Dependent Plasticity （STDP），在这个实验中，STDP只在兴奋性神经元发出的突触上被观察到了。&/p&&p&这个实验结果将发育、学习、记忆的研究从“有没有”推进到了“是多少”的旨在发现其时间空间物理数学规律的阶段。&/p&&h2&STDP的数学原理&/h2&&p&通过量化建模，突触强度的变化被简化为以下优美的数学公式：&/p&&img src=&http://www.zhihu.com/equation?tex=%5CDelta+w%5E%2B+%26%3DF_%2B%28w%29%5Ccdot+e%5E%7B%5Cfrac%7B-%5Clvert%5CDelta+t%5Crvert%7D%7B%5Ctau_%2B%7D%7D%5Cquad+%5Cquad+%5Cquad%26+%5Ctext%7Bif+%7D%5CDelta+t+%3E0+& alt=&\Delta w^+ &=F_+(w)\cdot e^{\frac{-\lvert\Delta t\rvert}{\tau_+}}\quad \quad \quad& \text{if }\Delta t &0 & eeimg=&1&&&br&&img src=&http://www.zhihu.com/equation?tex=%5CDelta+w%5E-+%26%3D-F_-%28w%29%5Ccdot+e%5E%7B%5Cfrac%7B-%5Clvert%5CDelta+t%5Crvert%7D%7B%5Ctau_-%7D%7D%5Cquad+%5Cquad+%5Cquad%26+%5Ctext%7Bif+%7D%5CDelta+t+%3C0& alt=&\Delta w^- &=-F_-(w)\cdot e^{\frac{-\lvert\Delta t\rvert}{\tau_-}}\quad \quad \quad& \text{if }\Delta t &0& eeimg=&1&&&br&&p&&img src=&http://www.zhihu.com/equation?tex=%5CDelta+w& alt=&\Delta w& eeimg=&1&& 是每一次突触强度变化的值，它是时间差&img src=&http://www.zhihu.com/equation?tex=%5CDelta+t& alt=&\Delta t& eeimg=&1&&的函数，&img src=&http://www.zhihu.com/equation?tex=+F_-%28w%29+%3D%5Clambda+%5Calpha+w%5E%5Cmu& alt=& F_-(w) =\lambda \alpha w^\mu& eeimg=&1&&，&img src=&http://www.zhihu.com/equation?tex=F_%2B%28w%29%3D%5Clambda+%281-w%29%5E%5Cmu& alt=&F_+(w)=\lambda (1-w)^\mu& eeimg=&1&&，公式中别的值都是根据实验可以获取的或者用数学方法估计得到的参数。&br&&/p&&p&这就是计算神经科学的基础，利用实验数据进行抽象建模，获取其数学物理规律，再根据相应的规律建造工具，模拟自然神经网络，就可以进行计算机实验，来检验目前普通生化实验无法做到的大规模量化和动态观察。&/p&&h2&结构可塑性&/h2&&p&STDP有一个缺陷，就是它最初被用于point neuron模型，也就是把神经元简化为一个点，而忽视了神经元的形态特征。然而实际上神经元是一个形态万千的细胞，来自同一个突触前膜的spike，到达树突（dendrites）或者到达胞体(cell body or soma)，对于该突触后膜的电活动影响大小是不一样的。而且，神经元之间可以形成多个连接，这是point neuron的矩阵无法实现的。可以这么说，在现实中，两个神经元之间在不停地产生新的突触或者有突触消失，既有的突触强度也是不断变化的。&/p&&br&&figure&&img src=&https://pic4.zhimg.com/223bd0b3a33b_b.jpg& data-rawwidth=&644& data-rawheight=&315& class=&origin_image zh-lightbox-thumb& width=&644& data-original=&https://pic4.zhimg.com/223bd0b3a33b_r.jpg&&&/figure&&p&那么一个能够模拟结构变化的算法应运而生，叫做Structural plasticity. Structural Plasticity的算法2016年才上线，目前这个领域还非常新，相关的研究并不多。&/p&&h2&用计算机解决神经科学的真实问题&/h2&&p&前面讲了很多数学，都是为了研究实际问题。举一个跟真实大脑现象有关的例子。&/p&&p&视觉皮层的神经元被报告具有独特的反应域，即不同的神经元会对特定的方向（prefereerd orientation）起反应。在猫和猴子的视皮层内，方向偏好类似的神经元在位置上是邻近的。但是这种邻近现象在啮齿类动物视皮层却不存在。那么在小鼠视皮层上，这些神经元都是单兵作战么？还是有什么地下网络呢？&/p&&p&这个来着德国BCCN神经科学中心的&a href=&http://link.zhihu.com/?target=https%3A//www.bcf.uni-freiburg.de/people/details/rotter& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Rotter&/a&组的实验，就用计算机模拟的方法，发现了具有相似方向偏好的神经元之间的连接强度比不相干的更强。在训练之前，各个神经元的初始连接强度都一样，等到训练一段时间后，有的连接增强了，有的连接减弱了。方向偏好类似的连接增强了，这就暗示了在小鼠视皮层也有类似于猫和猴子的神经元cluster。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/60d20c7dbaeb914ecf5c1a_b.jpg& data-rawwidth=&731& data-rawheight=&308& class=&origin_image zh-lightbox-thumb& width=&731& data-original=&https://pic1.zhimg.com/60d20c7dbaeb914ecf5c1a_r.jpg&&&/figure&&p&这个研究是计算神经科学运用的一个很好的典范，因为脑成像研究还无法精确追踪神经元群以及每对神经元的突触（除了一个非常新的real time in vivo calcium imaging技术）。&br&&/p&&p&--------&/p&&p&&b&三两闲话&/b&&/p&&p&铺垫这么久，终于写到我自己的领域了。计算神经科学有非常多有趣的算法和研究，也是我为之着迷的地方。本专栏随后将会推出一个【计算神经科学小黑屋】系列，放上一些计算神经科学领域的基础内容，以及值得讨论的交叉学科话题，还会邀请有关领域的同学来写作。希望对这一领域感兴趣的同学能够加入我（们？），一个人读公式太苦了，不如一起讨论吧。戳&a href=&http://link.zhihu.com/?target=https%3A//github.com/neuronstar/spiking-neuron-models& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&这里&/a&看我们正在进行的读书会的讨论笔记。&/p&&p&--------&/p&&p&&b&相关参考&/b&&/p&&p&题图出自这里，&a href=&http://link.zhihu.com/?target=http%3A//images.google.de/imgres%3Fimgurl%3Dhttps%253A%252F%252Fwww.afhu.org%252Fwp-content%252Fuploads%252F%252FiStock__Medium.jpg%26imgrefurl%3Dhttps%253A%252F%252Fwww.afhu.org%252Fscientists-use-computational-neuroscience-to-unravel-brains-mysteries%252Fnews%252F%26h%3DD1625%26tbnid%3D6XY3fiVmuB9CcM%253A%26docid%3DhNt5mNV6uJqRoM%26ei%3DOBZQV4KGF8KnaI-UmZgM%26tbm%3Disch%26iact%3Drc%26uact%3D3%26dur%3D397%26page%3D1%26start%3D0%26ndsp%3D29%26ved%3D0ahUKEwiCgre4nInNAhXCExoKHQ9KBsMQMwgpKAUwBQ%26bih%3D798%26biw%3D1821& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&戳&/a&&/p&&p&神经元的图出自这里，&a href=&http://link.zhihu.com/?target=http%3A//images.google.de/imgres%3Fimgurl%3Dhttps%253A%252F%252Fonline.science.psu.edu%252Fsites%252Fdefault%252Ffiles%252Fbisc004%252Fcontent%252Fneuron.jpg%26imgrefurl%3Dhttps%253A%252F%252Fonline.science.psu.edu%252Fbisc004_activewd001%252Fnode%252FD315%26w%3D644%26tbnid%3DwIo3MQcytXFE-M%253A%26docid%3DzTj4byOXlOODIM%26ei%3DUyVQV7qyGsqEgAaXiZTYCg%26tbm%3Disch%26iact%3Drc%26uact%3D3%26dur%3D512%26page%3D1%26start%3D0%26ndsp%3D25%26ved%3D0ahUKEwj6p7HsqonNAhVKAsAKHZcEBasQMwg7KAwwDA%26bih%3D798%26biw%3D1821& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&戳&/a&&/p&&p&按顺序出现的四篇文献：&/p&&p&Bi, G. Q., & Poo, M. M. (1998). Synaptic modifications in cultured hippocampal neurons: dependence on spike timing, synaptic strength, and postsynaptic cell type. &i&The Journal of neuroscience&/i&, &i&18&/i&(24), .&br&&/p&&p&Morrison, A., Aertsen, A., & Diesmann, M. (2007). Spike-timing-dependent plasticity in balanced random networks. &i&Neural computation&/i&, &i&19&/i&(6), .&br&&/p&&p&Diaz Pier, S., Naveau, M., Butz-Ostendorf, M., & Morrison, A. (2016). Automatic generation of connectivity for large-scale neuronal network models through structural plasticity. &i&Frontiers in Neuroanatomy&/i&, &i&10&/i&, 57.&br&&/p&&p&Sadeh, S., Clopath, C., & Rotter, S. (2015). Emergence of Functional Specificity in Balanced Networks with Synaptic Plasticity. &i&PLoS Comput Biol&/i&, &i&11&/i&(6), e1004307.&/p&
写在前面的话在本专栏的和文章中，我提到了好几次大脑可塑性（plasticity）的概念。大脑可塑性不只是神经元数量的增加，还体现在神经元之间的突触形成和连接建立上。大脑的功能建立在高度连接的神经网络基础上。发育的过程是神经元获得特定的属…
作者：机器之心&br&链接：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&知乎专栏&/a&&br&来源：知乎&br&著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。&br&&br&&blockquote&&i&Russell 是加州大学伯克利分校人工智能系统中心创始人兼计算机科学专业教授，同时还是人工智能领域里「标准教科书」《人工智能：一种现代方法》作者（谷歌研究主管 Peter Norvig 也是该书作者）。在这篇文章中，他以 Q&A 的方式讲解了人工智能的未来以及常见的误解。&/i&&/blockquote&&p&&b&1. 什么是人工智能？&/b&&br&&/p&&p&是对让计算机展现出智慧的方法的研究。计算机在获得正确方向后可以高效工作，在这里，正确的方向意味着最有可能实现目标的方向，用术语来说就是最大化效果预期。人工智能需要处理的任务包括学习、推理、规划、感知、语言识别和机器人控制等。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「它是一个特定技术」。例如在二十世纪八十年代到九十年代，人们经常会看到新闻报道中人工智能与基于规则的专家系统被混为一谈。现在，人工智能经常会与多层卷积神经网络混淆。这有点像把物理和蒸汽机的概念搞混了。人工智能探究如何在机器中创造智能意识，它不是在研究中产生的任何一个特定的技术。&/p&&/li&&li&&p&「这是一个特定类别的技术方法」。例如，经常有人用符号化或逻辑化的方法将人工智能与「其他方法」相互比较，如神经网络和遗传编程。人工智能不是一种方法，它是一个课题。所有这些方法都是在对人工智能进行研究的产物。&/p&&/li&&li&&p&「这是一小群研究者的方向」。这个误解与前几个错误有关。一些作者使用「计算智能」指代几个特定的研究者群体，如研究神经网络，模糊逻辑和遗传算法的研究者。这是非常片面的，因为这种分类让人工智能的研究陷入孤立的境地，让研究成果不能得到广泛的讨论。&/p&&/li&&li&&p&「人工智能只是算法」。严格说来不算是误解，人工智能的确包含算法（也可粗略定义为程序），它也包含计算机中其他的应用。当然，人工智能系统需要处理的任务相比传统算法任务（比如排序、算平方根）复杂得多。&br&&/p&&/li&&/ul&&p&&b&2. 人工智能将如何造福人类？&/b&&br&&/p&&p&文明的一切都是人类智慧的产物。在未来，人工智能会将会扩展人类的智力，这就像起重机让我们能够举起几百吨的重物，飞机让我们很快飞到地球的另一端，电话让我们在任何角落实时交流一样。如果人工智能被适当地设计，它可以创造更多价值。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「人工智能没有人性」。在很多反乌托邦幻想中，人工智能会被用来控制大部分人类，无论是通过监视，机器人执法，法律判决甚至控制经济。这都是未来可能出现的情况，但首先它不会被大多数人接受。人们往往忽视人工智能可以让人类接触更多的知识，消除人与人之间的语言隔阂，解决无意义和重复的繁重任务。&/p&&/li&&li&&p&「人工智能将造成不平等」。毫无疑问，自动化程度的提升将使财富集中到越来越少的人手里。但是现在，如何使用人工智能的选择权在我们手里。例如，人工智能可以促进协作，让生产者与客户有更多交流，它可以让个人和小组织在全球化的经济环境下独立运作，摆脱对于特定大公司订单的依赖。&br&&/p&&/li&&/ul&&p&&b&3. 什么是机器学习？&/b&&br&&/p&&p&它是人工智能的一个分支，探索如何让计算机通过经验学习提高性能。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「机器学习是一个新的领域，它已经代替了人工智能的地位」。这种误解是最近机器学习热潮产生的副作用，大量学生在之前没有接触过人工智能的情况下学习了机器学习课程。机器学习一直是人工智能的核心话题：阿兰·图灵在二十世纪五十年代的论文中已经认为学习是通向人工智能最可行的途径。这一观点似乎是正确的，人工智能最突出的早期成果，Arthur Samuel 的跳棋程序就是使用机器学习构建的。&/p&&/li&&li&&p&「机器不能学习，它们只能做程序员告诉它的事情」。这显然是错的，程序员能够告诉机器如何学习。Samuel 是一个优秀的跳棋玩家，但他的程序很快就通过学习超过了他。近年来，机器学习的很多应用都需要大量数据来进行训练。&br&&/p&&/li&&/ul&&p&&b&4. 什么是神经网络？&/b&&br&&/p&&p&神经网络是受生物神经元启发构建的计算系统。神经网络由许多独立的单元组成，每个单元接收来自上一层单元的输入，并将输出发送到下个单元（「单元」不一定是单独的物理存在；它们可以被认为是计算机程序的不同组成部分）。单元的输出通常通过取输入的加权和并通过某种简单的非线性转型，神经网络的关键特性是基于经验修改与单元之间的链接比较相关权重。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「神经网络是一种新型计算机」。在实践中，几乎所有的神经网络都运行在普通的计算机架构上。一些公司正在设计专用机器，它们有时会被称作是「神经计算机」，可以有效地运行神经网络，但目前为止，这类机器无法提供足够的优势，值得花费大量时间去开发。&/p&&/li&&li&&p&「神经网络像大脑一样工作」。事实上，生物神经元的工作方式比神经网络复杂得多，自然界存在很多种不同的神经元，神经元的连接可以随时间进行改变，大脑中也存在其他的机制，可以影响动物的行为。&br&&/p&&/li&&/ul&&p&&b&5. 什么是深度学习？&/b&&br&&/p&&p&深度学习是一种特定形式的机器学习，训练多层神经网络。深度学习近年来非常流行，引领了图像识别和语音识别等领域的突破性进展。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「深度学习是一个新领域，已经代替了机器学习的地位」。事实上，深度学习在神经网络研究者中间已经被讨论了超过二十年。最近深度学习的发展是由相对较小的算法改进以及大数据集模型和计算机硬件发展驱动的。&br&&/p&&/li&&/ul&&p&&b&6. 什么是强人工智能和弱人工智能？&/b&&br&&/p&&p&「强人工智能」和「弱人工智能」概念是由 John Searle 最先提出的，是他对人工智能研究方向的两个假设。弱人工智能假设机器可以通过编程展现出人类智能的水平。强人工智能则假设机器出现意识，或者说机器思考和认知的方式可以用以前形容人类的方式来形容。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「强人工智能是人类智力级别通用人工智能研究的方向」。这个解释具有代表性，但这不是强/弱人工智能概念被提出时的本来意义。同样，「弱人工智能」被认为是针对特定领域，执行特定任务的人工智能研究，如语音识别和推荐系统（也称工具 AI）。虽然没有人具有最终解释权，但这种语义的转换可能会造成不必要的混乱。&br&&/p&&/li&&/ul&&p&&b&7. 什么是 AGI，ASI 和超级智能？&/b&&br&&/p&&p&AGI 代表的是通用人工智能，这个术语意在强调建立通用目的智能系统的雄心目标，其应用的宽度至少能覆盖人类能解决任务。ASI 指的是人工超级智能：远远超越人类智能的人工智能。更具体地说，一个超级智能系统高质量决策能力要比人类强，它能考虑更多的信息和进一步深入未来。&br&&/p&&p&&b& 常见误解&/b&&br&&/p&&ul&&li&&p&「主流的人工智能研究者并不关心通用人工智能。」像语音识别这种细分领域的某些研究者主要关心的是其所在领域的具体目标，其他一些研究者比较关心找到现有技术的商业应用。在我的影像里，如学习、推理、和计划等细分领域的大多数人工智能研究者认为他们目前的研究工作有助于解决通用人工智能的子问题。&/p&&/li&&li&&p&「人类的智能是一种通用智能」。这种观点常被认为是显而易见，不值得讨论，但它却几乎回避了关于 AGI 的所有讨论。持有这种观点的人通常会认为通用智能就是人类能做到所有任务的能力。然而当然不存在人工不能做的人类工作，所以人类能做已经存在的人类工作也没什么好惊讶的。难的是怎么定义那种完全独立于以人类为中心的价值观和偏见的宽度。所以我们只能说人类智能是某种程度上的通用智能，人类能做人类能做的所有事情。另一种更有意义的说法是人类能做很多事情，但目前为止这个问题 还没有确切的答案。&br&&/p&&/li&&/ul&&p&&b&8. 什么是摩尔定律？&/b&&br&&/p&&p&「摩尔定律」指的是多个相关的观察和预测能影响电路性能和密度。现代理解的「摩尔定律」是每一秒的操作次数以及每一美元所能买到的电脑性能，将每隔 N 个月翻一倍以上，N 大约是 18，这一表述有些背离「摩尔定律」最初的定义。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「摩尔定律是物理定律」。事实上，摩尔定律只是一种关于技术进步的经验观察。没有什么规定摩尔定律会持续下去，当然它也不可能无限持续下去。时钟速度的增加已经达到了顶峰，目前价格/性能上的提升也来自于单个芯片上内核（处理单元）数量的上升。&br&&/p&&/li&&/ul&&p&&b&9. 摩尔定律能让我们预测出超级人工智能的到来吗？&/b&&br&&/p&&p&不能。人工智能系统不能做的事情很多，比如理解复杂的自然语言文本；加速意味着在很多情况下得到的错误答案的速度也越快。超级智能需要在主要的概念突破。这些很难预测，即便我们有了速度更快的机器也没啥用。&br&&/p&&p&&b& 常见误解&/b&&br&&/p&&ul&&li&&p&「让机器更强大的意思是提升它们的智能」。这是人工智能的未来的讨论中的一个常见主题，这个主题似乎建立在一个混乱的概念上，我们使用「强大」来描述人类智力，但是在描述计算机时用的「强大」的含义更加简单，就是每秒操作的次数。&br&&/p&&/li&&/ul&&p&&b&10. 什么是机器 IQ？&/b&&br&&/p&&p&没有机器 IQ 这种说法。某种程度上一个人在多个任务上的多种智慧能力是高度相关的，人类可以说有 IQ，但是研究者们对任意单一维度上的 IQ 定义有争议。另一方面，任意给定的机器的各种能力之间都是不相关的：一台机器能打败世界象棋冠军，并不意味着它能玩的好别的棋类游戏。能赢得猜谜比赛的机器也无法回答「你叫什么名字？」这样简单的问题。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「根据摩尔定律，机器 IQ 会不断上升」。既然根本不存在什么机器 IQ，它也就不可能增长；摩尔定律描述的仅仅是原始的计算吞吐量，与是有存在执行任意特定任务的算法没有关系。&br&&/p&&/li&&/ul&&p&&b&11. 什么是智能爆炸？&/b&&br&&/p&&p&「智能爆炸」这个术语是 I.J.Good 于 1965 年在其文章「Speculations Concerning the First Ultraintelligent Machine」中创造的。它指的是足够智能的机器能重复设计它自己的硬件和软件来创造出一个更加智能的机器的可能性，这个过程会一直重复下去，直到「人的智能被远远的甩在后面」。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「一旦机器达到人类水平的智能，智能爆炸就在所难免」。反过来：虽然逻辑上是可行的，但是让 N 代的机器设计出 N+1 代的机器太难了。同样的道理，我们造的机器可能在一些重要的方面成为超过人类，但是在其他方面可能会落后于人类。在解决贫困、治疗癌症等重要问题上，机器的能力肯定会比人类强，而且不需要在人工智能研究上有大突破就能实现。&br&&/p&&/li&&/ul&&p&&b&12. 人工智能系统何时才能超过人类智力？&/b&&br&&/p&&p&这是一个难以回答的问题。因为首先它假定这件事必然发生，事实上它具有选择性：假如人类选择不去发展这样的人工智能，这件事就不太可能发生。第二，「超过」假定智力是线性的，而这不是真实情况，机器在某些任务的处理上比人类更快，而在更多放面则很糟糕。第三，如果我们认为「通用的」智能是有用的，我们就可以开发这样的机器，但目前我们不知道它是不是有用的。宽泛地说，实现这样的人工智能还需要很多技术突破，而这些都是难以预测的，大多数科学家认为这件事会在本世纪内发生。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「它永远不会发生」。对技术突破进行预测是很难的。1933 年 9 月 11 日，Rutherford，也许是那个时代最著名的核物理学家，在英国科学促进年会上向人们宣布：「任何想从原子变形过程中获取能源的努力都是徒劳的。」（他在各种场合发表过许多类似言论，大意都是表达使用原子能是不可能的）结果第二天早上，Leo Szilard 发现了中子诱导链式反应，并很快对核反应堆申请了专利。&br&&/p&&/li&&/ul&&p&&b&13. 人工智能系统现在能做什么？&/b&&br&&/p&&p&人工智能的应用范围已经比几年前大很多了。从围棋、纸牌、简单的问答、从新闻中抓取信息、组合复杂的对象、翻译文字、识别语音、识别图像中的概念、到在「普通」交通条件下驾驶汽车，不一而足。在很多情况下，人工智能在你不知道的情况下发挥着作用，如检测信用卡欺诈，评估信用，甚至在复杂的电子商务拍卖中投标。搜索引擎中的部分功能也是人工智能的简单形式。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「像『下棋』这样的任务对机器来说和对人类来说是一样的」。这是一个错误的假设：机器「掌握」一项技能的程度超过了人类。人类通过阅读和理解学会游戏规则，通过观看棋局和下棋来提高水平。但典型的下棋程序没有这样的能力——将下棋规则编程，让机器算法直接给出所有可能的下一步。机器无法「知道」人类所谓的规则（目前新兴的强化学习方式改变了这一点）。DeepMind 的人工智能系统可以学会很多种游戏，它不知道自己在学习什么，看起来也不太可能学会这些游戏的规则。&/p&&/li&&li&&p&「机器执行任务的方式和人类一样」。我们不知道人类思考问题的机制，但这种机制与人工智能系统处理任务的方式看起来大不相同。例如，下棋程序通过考虑当前棋局状态和下一步可能的序列比较结果考虑下一步，而人类经常是先发现可能获得的优势，然后继续考虑如何找到一系列方式来实现它。&/p&&/li&&li&&p&「如果机器可以做到任务 X，那么它就可以做类似的所有任务了」。参见有关机器 IQ 的问题，机器目前还不能形成通用化的智能，它们的功能通常局限于某一领域。&br&&/p&&/li&&/ul&&p&&b&14. 人工智能会对社会造成什么样的影响？&/b&&br&&/p&&p&在可预见的未来中，人工智能的各种应用将会改变社会形式。自动驾驶汽车现在已经在路上进行测试，至少有一家公司承诺将在 2016 年内交货（考虑到目前遇到的困难，其他公司的态度则更为谨慎）随着计算机视觉和机械腿设计的进化，机器人非结构化环境正在变得更为实用——可能的应用范围包括农业和服务领域（特别是对于老人和残疾人而言）。&br&&/p&&p&最后，随着机器能够理解人类语言，搜索引擎和手机上的「个人助理」将会改变现有的人机交互方式，它们可以回答问题，整合信息，提供建议，并促进交流。人工智能还可能会对科学领域（如系统生物学）产生重大影响，这些学科中信息的复杂性和数量一直令人望而却步。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「机器人正在接管一切」。参见《人工智能的智力何时才能超过人类》，人工智能中的绝大多数进步是基于任务处理的改进。当然，从长远来看，维持人类的控制很重要。&br&&/p&&/li&&/ul&&p&&b&15. 人工智能与机器人的发展会取代大量人类的工作吗？&/b&&br&&/p&&p&一些研究（比如 Frey 和 Osborne 在 2013 年的调查）表明在未来美国将近一半的工作在自动化面前会变得很脆弱。其他作者，比如 Bryjolfsson 和麦肯锡在 2011 年的工作表明这一变化已经开始了：2008 年经济萧条之后就业率的缓慢恢复，生产率与停滞不前的工资之间的差异化增加了自动化的进程。随着人工智能与机器人的持续发展，更多的工作将受到影响看起来不可避免。大量的失业并不是必然的，但这可能会造成经济结构的巨大转变，需要想出组织工作与酬劳的新思路。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「机器人的工作越多意味着人类工作越少」。工作不是零和（zero-sum）的：由一对机器人协助的工人可能更具工作效率，也因此需要更多这样的工人。没有机器人的帮助，一些领域的工作由人类完成可能不具备经济效益，或者一些工作单独的人或机器无法完成。同样，就像涂刷匠的刷子与滚筒：如果使用针尖大小的刷子一点一点的涂刷，我们就雇不起涂刷匠来涂刷一整间屋子了。&br&&/p&&/li&&/ul&&p&&b&16. 什么是无人机，自动武器，杀人机器人？&/b&&br&&/p&&p&无人机是由人远程控制的飞行器；有些无人机可以携带武器（通常是导弹），这些武器的释放也是由人远程控制的。自动武器是可以自主选择和吸引攻击对象的装置。目前这类装置包括韩国非军事化区里的自动瞄准机枪和一些不同类型的船载反导弹系统。目前在技术上可以实现将无人飞机的控制员替换成完全自动的计算机系统，以达到致命自主武器系统的要求。致命自主武器系统是日内瓦会议裁减军备议题的讨论主题。杀人机器人是对具有轮动能力和行走能力的武器的统称，包括：船，飞行器以及人工智能的昆虫飞行器。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「完全自主武器的出现还需要 20-30 年的研发」。得出这个预估时间的依据无从知晓，但是 20-30 年的时间跨度有点夸大所需的研发时间长度。目前自主武器的研发已经在全世界内大范围的开展，英国国防部已经宣称，对于一些简单对抗如海上战役，完全自动武器现在已经可以实施。&br&&/p&&/li&&/ul&&p&&b&17. 我们需要担心杀人机器人胡作非为或接管世界吗？&/b&&br&&/p&&p&如果部署了自动化武器，它们也会有士兵那样的难题：有时难以分别朋友与敌人、平民与敌军。而且可能会有军事事故造成平民伤亡，或者机器人受到干扰与网络攻击。也因为后者，一些军事专家预测自动化武器可能需要封闭操作系统，没有电子通讯。如果系统行为不准确的话，这样做能防止有人凌驾于自动化控制器之上。但在可预见的未来，自动化武器可能会变得很常见，在有限的任务中被使用。但在全局规模上，它们很难自己编程出计划。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&我们可以按下「关闭」按钮。「关闭」按钮会使得自动化武器在网络攻击面前变得很脆弱。这样的通信频道在战争中也是如此。此外，通用智能系统会被赋予一项任务，防止自己的「关闭」按钮被按下。&br&&/p&&/li&&/ul&&p&&b&18. 人工智能的「存在风险」是什么？它是真的吗？&/b&&br&&/p&&p&关于人工智能风险的早期警告曾是非常模糊的。I.J.Good 对于人工智能的可行性提出了自己的观点：「只要机器能够聪明到告诉我们如何保持对它的控制。」人们普遍意识到，在我们的星球上如果存在一个超级智能实体，可能会出现恐慌；但另一方面，我们也都清楚更加聪明的机器会更加有用，而且更加聪明不一定意味着邪恶。事实上，论据很简单。&br&&/p&&ul&&li&&p&假设超智能系统被设计成实现由人类设计者指定的某一目标，并假设这一目标不完全符合人类的价值观，人工智能形成的价值观（如果有）是非常难以确定的。&/p&&/li&&li&&p&任何充分有能力的智能系统将倾向于确保其自身的持续存在并且获取物理和计算资源——不是为了他们自己的目的，而是为了更好地执行人类为它设定的任务。&br&&/p&&/li&&/ul&&p&现在我们问题的本质是你所要求的不是你所得到的。Norbert Wiener 是自动化和控制理论的先驱者，他在 1960 年写道：「如果我们使用——为达到某些目的——一些机器来代替我们做某些工作，我们最好能够清楚它们的确在按我们的想法工作。」Marvin Minsky 举了让机器计算 pi 这个例子，Nick Bostrom 则举了回形针的例子。对于人类而言，这些目标是根据人类视角提出的，这意味着计算机服务器或回形针覆盖整个银河系不是好的解决方案。一个具有能力的决策者——特别是能够通过互联网连接全球每块屏幕的智能——可能会对人类产生不可逆转的影响。幸运的是，这个问题相对比较明确，所以现在就可以开始解决。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&超智能机器将变得自发地产生意识、本能地变得邪恶或伤害人类。科幻小说作者通常假定上面这些一个或多个问题来设定机器与人类的对立面，这样的假设完全是不必要的。&/p&&/li&&li&&p&我们人类发展人工智能系统，那么为什么我们要制造出来毁灭自己呢？有一些人类工智能「捍卫者」常常争辩道因为人类建立了人工智能系统，那么完全没有理由来支持这样的假设，即我们是在制造一个旨在毁灭人类的机器。这个没有抓住辩论要点，即哪个是邪恶意图，在设计者这一边还是代中间者这一边，这是存在存亡威胁的先决条件，这个问题也就是错误设定了对象。这将永远不会发生。&br&&/p&&/li&&/ul&&p&&b&19. 为什么人们会突然对人工智能如此担心？&/b&&br&&/p&&p&从 2014 年开始，媒体就定期地报道如 Stephen Hawking、 Elon Musk、 Steve Wozniak and Bill Gates 那样名人的对人工智能的担忧。这些报道通常引用那些最绝望话语并省略实质担心的深层原因，通常就像「什么是人工智能现存风险」那样的问题。在许多情况下，担忧就是在阅读 Nick Bostrom 的书籍超智能（*Superintelligence*）之后产生的。另外一些当下关心这个问题的潮流也是因为人工智能的发展正在加速。这种加速可能是很多因素的集合，包括逐步完善的理论基础，它连接了很多的人工智能领域成为一个统一的整体。还有学术实验室能产出达到能够应用并解决现实世界的实际问题在人工智能方向商业投资的急剧增加也作为。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&如果人们是担心超人工智能就在某个角落，那么基本上人工智能研究者很少认为超智能机器就在我们周围某个角落。这并不暗示着我们应该等着，直到这个问题变得很严重！如果我们发现直径 10 英里的小行星将于 50 年后撞向地球，我们难道能够不消灭它并声称「我们会在五年的时候去关注它」？&br&&/p&&/li&&/ul&&p&&b&20. 人工智能在接下来的几十年里会取得怎样的进步？&/b&&br&&/p&&p&这个领域好像并不要求人类级的通用人工智能能够达到成熟，而制造一些可信赖的高质量的产品也许在下个十年内有能实现。这就包括了语音识别、从简单的实际材料中提炼信息、对物体和行为的视觉识别、日常事物的机器人操作和自动驾驶。努力提升质量和扩展文本与视频的理解系统能制造更强劲的家用机器人，产生更为广泛有用的机器人，它能展示常识知识系统，一起学习并在遍历所有形式后表现得更好。还存在获取和组织科学知识的专业系统，它能管理复杂假说并可能对分子生物学、系统生物学和制药方面产生重大的影响。我们也许也会看到它在社会科学和政策制定有相同的影响，特别是在给它关于人类活动巨量的机器可读性数据之后，并如果机器是很可靠有用的，那么人们同样也需要机器去理解人类价值。公共和私人知识源，也就是知道和推理真实世界的系统，它不仅仅是数据的仓库，它会成为社会的组成部分。&br&&/p&&p&&b&21. 什么是「价值定位（value alignment）」？它有什么要紧的？&/b&&br&&/p&&p&价值定位（Value alignment）就是校准人机关系具体目标价值的任务，所以机器最优选择大概来说就是无论做什么都是最大化人类的幸福感。如果没有价值定位，那么超脱人类掌控的超智能机器的出现就是不可忽视的风险。&br&&/p&&p&&b&常见误解&/b&&br&&/p&&ul&&li&&p&「我们所有需要的就是阿西莫夫定律（Asimov's laws）」。阿西莫夫定律本质上就是一些条款：它们给人类创造出各种故事情节提供灵感，但是基本对约束机器人没有什么有用的信息，因为它没有更多具体的细节。它们的基本结构为一组规则而不是效用函数，这是很有问题的：它们的词典式结构（例如任何对人类的伤害是比所有机器人的损害还要严格重要地多）意味着没有给不确定性或权衡留下空间。也许机器人只为了拍死一只在以后可能叮咬人类的蚊子会跳出悬崖毁灭了自己。另外，它也许会锁上人类汽车的门，因为坐车会提高人类受伤的可能性。最后