0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

人工智能 | 你的大脑在自动驾驶,而你一无所知

mK5P_AItists 来源:YXQ 作者:h1654155287.6125 2019-05-31 17:22 次阅读

想象一下,你的大脑里有着两个小人,它们在不停地打架,试图夺取控制你行动的权力。当然,这两个小人并不是你善意和邪恶的念头。那它们是什么?

在很多人看来,这两者就是我们的意识和无意识:前者是警醒而可控的,后者却潜伏在意识之下,很难察觉。自弗洛伊德时代开始,就有一种普遍的观点认为,人类被一种黑暗、不可控的情绪化力量驱动,而意识的推动力一直在与无意识的隐秘欲望作斗争。

直到现在,我们的流行文化里还存在这种根深蒂固的观念,比如电影《头脑特工队》。小女孩莱莉的无意识被禁锢在封闭的空间里,其中充满了“捣乱分子”和恐惧。正如电影的隐喻所示,人们倾向于认为那些不合适的想法和冲动都能被丢到无意识的空间里,因为我们想相信自己的行为是有意识的。如果意识并不主导我们的行为,我们似乎就没法控制自己的生活。

然而,这种非此即彼的想法其实很不准确。近期的研究表明,大脑的意识和无意识过程不是相对的,它们并不乐衷于争夺人类心理的霸权。事实上,人类的心智是一体的,意识和无意识相互交缠。即使是最理性的想法和行为,也主要归功于自动的无意识过程。

大脑一直在做预测

我们的意识和无意识究竟是如何运作的呢?这个问题很难回答,不过一个革命性但已被广泛接受的新理论——预测思维,有望提供一部分答案。

预测思维理论有各种不同的版本,但总体来说,它主张无意识过程是大脑思维的主角。这些程序让我们尽可能快速和准确地预测事件。学习、经验和有意识的思维不停优化着内隐(无意识)的预测,只有失败的预测会引起有意识的注意力。也就是说,我们只对引起我们注意的情况有意识。这种自动化的预测让我们得心应手地生活在这个世界上;在预测失灵时,我们的意识又能被及时唤醒,并根据环境调整策略,从而避免我们的自动预测系统掉入陷阱。

举一个简单的例子,当一个球朝我们飞来时,我们大脑中的无意识程序会预测这个球的运动轨迹,并相应调整我们四肢的动作。但如果这个球突然反常地转了个直角弯,意识的程序就会被唤醒。

预测思维理论可以追溯到19世纪。当时的物理和生理学家赫尔曼·冯·亥姆霍兹(Hermann von Helmholtz)提出人类能根据感知而自动得出结论的假设。以视觉系统为例:我们可以轻易从三个被切了一角,并以特定方式排列的圆形中看到一个“不存在的三角形”。

我们的视觉系统通过想象出一个三角形来“解释”这三个圆形为什么被这样摆放。

Scientific American

亥姆霍兹认为,这种错觉说明大脑内存在预编程序:不用做任何事情,它们就会自动形成我们对世界的感知。在当今的学术界中,预测思维理论的支持者们认为,这种预编程序不只是决定我们如何感知世界,也同时影响其他心智过程,例如判断、抉择和行为。

为了让身体正常运作,大脑需要快速而自发地区分身体本身的动作和来自外界的输入。因此,大脑为每个发送给肌肉的指令创造了一份“感知副本”(efference copy)。举个例子:当你前后摇晃头部时,即使你所看到的世界在前后摇晃,你收到的感知副本会告诉你世界其实不在摇晃,而是你自己在主动摇晃。感知副本也可以解释为什么挠自己的脚不痒:脚底板感受到“痒”的时候,大脑中的触觉区域已经知道是你自己而非别人在挠了。

大脑在多个平行层面同时工作

无意识过程的工作原理在很多现象中都有体现,例如自动运动、自发联想和过早定论等。其中最有趣的一个例子,是所谓的“阈下刺激”——无法被意识探测的刺激。

为了探测阈下刺激是否能影响行为,科学家们已经做了一系列的实验来验证。通常来讲,实验人员会将图片、文字,或躯体感受展示给被试,特定的展示方式能让被试察觉不到刺激:要么是因为刺激太短暂,要么是因为刺激不在注意力中心。例如,心理学家会要求被试阅读一段文字,其中某些词会多次出现但并没有被强调标注;随后,对照组再读一段普通文字。如果实验组的被试在读到之前多次出现的词语后,表现出明显的思维、感知和行为变化,研究者就可以假定那些词语产生了无意识的影响。

关于阈下刺激的研究证实了我们“一脑多用”的能力。与电脑相比,脑灰质或许工作缓慢,但它能在多个平行层面同时工作。研究者们通常都会把这些工作分成两种,例如诺贝尔经济学奖获得者、心理学家丹尼尔·卡内曼(Daniel Kahneman)提出的系统1和系统2。系统1包括所有快速、自动和不可控的无意识过程;系统2则包括那些更加缓慢、灵活和主动的有意识过程。不过在预测思维理论中最关键的是:这两种过程其实是协力工作的。也就是说,我们大脑中无意识和有意识的过程是同时发生的。

下面这句话阐明了这个主张:普人通就以可懂读段这话。虽然的字序顺乱了,你是还全完理解,很易容就能懂搞句这话在说什么。这是都为因大脑奇神的动自功能!

大多数人都能在很短的时间内猜测出下一个词语是什么,因为我们脑中的“自动驾驶”功能在预测到下一个词语时,就能很快地把打乱的字序排列整齐。

然而,在神经心理学的层面上,精确区分有意识和无意识过程一直是个难题,我们也并不了解它们究竟如何相互作用。哲学家彼得·卡拉瑟斯(Peter Carruthers)认为,人类只能意识到自己工作记忆中的内容。但工作记忆只能勉强留住我们接受到的信息中很小一部分,并且这些信息很快就会消失不见。大脑接受到的绝大部分信息都不为我们所察觉,而是直接进入系统1被快速自动处理。

大脑通过处理这些信息,就能自动回答一些问题:接下来会发生什么?我可能会接收到什么样的刺激?有没有什么逼近的危险?其他人想干什么?这些预测不仅与外界相连,也与我们的身体和内环境息息相关。这样看来,进食的欲望,只是大脑无意识地预测到了迫在眉睫的能量缺失。这些无意识过程致力于保持内稳态,让我们的身体(包括能量摄取和消耗)保持平衡。

大脑如何做预测?

神经心理学家马克·索姆斯(Mark Solms)十分支持预测思维理论,并对无意识与有意识功能有独特的神经生物学解读。他认为人类大脑并不寻求“更有意识”;相反,大脑一直在尽量地少用意识。他解释说:“就像Talking Heads唱的一样,‘天堂是个啥都没,啥都没发生过的地方’。大脑就喜欢这种状态,因为这样能节省能量和时间。这是个生存机制。”

索姆斯在与神经科学家卡尔·弗里斯顿(Karl Friston)合作的文章里描述了他的观点。十年前,弗里斯顿提出预测思维理论的数学模型,即自由能原理。根据该理论,脑中的自由能代表预测失败时神经元的状态;而大脑尽一切可能地避免自由能。在最终的分析里,索姆斯和弗里斯顿强调:预测误差等于意料之外,也等于意识:当事情的发展出乎意料时,我们才变得有意识——大脑竭力避免这种情况的发生。

这个观点不仅完全反驳了弗洛伊德的理论,也与经典的“皮层为意识之源”的观点相悖。索姆斯认为,这些高级脑区并不是意识的主宰,而是通过接收脑干和中脑里更深层结构的“命令”来工作的。他还认为意识来源于掌管警觉、感情刺激和欲望的脑区——正好是弗洛伊德主张的无意识区域(见下方大脑插图)。他说:“大脑皮层的规律检测机制,在没有意识参与的情况下,效率最高。更深层的情感脑区,即边缘结构,才是意识的真正发源地。”

传统观念认为,皮层是高级心智功能的发生地。但是根据马克·索姆斯提出的模型,意识来源于低级脑区,如网状激活系统、腹侧被盖区和丘脑。只有当感觉信息(所有感觉信息都要经过丘脑)与情感或动机相关时才能被我们意识到,因为前额皮质和扣带回皮质把我们的注意力引导过去了。同时,纹状体和楔前叶负责自动运动控制和定向,并让我们得以无意识地就能与环境交流。

Falconieri Visuals

索姆斯的理论有一定的经验支持。比如,因为发育障碍而先天缺失大脑皮层的婴儿,他们的大脑也可以进行特定的有意识过程;如果在进入儿童时期前没有夭折,他们不仅会头脑清醒,还能做出情感回应。在一篇2007年发表的综述中,神经科学家比约恩·默克(Björn Merker)总结称,很多有意识现象的发生甚至不需要大脑皮层的存在。虽然如果没有大脑皮层,我们就不能经历更加复杂的心理过程,例如逻辑思考和自我反思,但我们还是能够体会类似于喜悦、烦躁或悲伤的感情。

大脑真正的主人

很多人都固执地认为,本能的无意识和理性的有意识之间必定有清晰的分界——有意识肯定比无意识更好。但是,正如本文所述,这个看法是站不住脚的。无意识过程才在真正地控制我们的意识。你把注意力放在哪里、你能记住什么、你的想法、你要过滤掉接收的大量信息中的哪些成分、你怎么理解它们、你的目标是什么——这些都归功于我们脑中的自动程序。

社会心理学家蒂莫西·威尔逊(Timothy Wilson)认为,我们对无意识过程的依赖性,是我们作为一个物种生存下来所付出的代价。如果我们总是仔细考虑周遭情况中的所有细节,并比较每个可能的选择,人类应该已经早早灭绝了。我们脑中的自动驾驶系统,而不是意识,成就了人类。

因此,解决问题和确保人类生存的真正总策划,是大脑中的无意识。因为无意识是不可控的,所以人们对它缺乏信任是可以理解的。毕竟,如果我们甚至不知道它在什么时候、用什么方式影响我们,我们又怎能控制它?然而,虽然我们对无意识的工作原理并不了解,我们知道:它能将我们的身体运作得很好。

耶鲁大学的社会心理学家约翰·巴奇(John Bargh)把人类心智比作一个水手:如果要让船从A点行驶到B点,水手需要知道目的地,才能依此调整船的方向。但只能这样还不够。因为如同无意识一样,洋流和风向等不可控因素也会对船只的行驶产生影响。不过,专业水手在让船驶向目的地的同时,也会把这些因素思考在内。

我们正确对待无意识的方法也是这样——别挡它的路。当我把家人的照片放到书桌上,以此来激励自己努力工作时;当我选择走楼梯,而不是坐电梯时——我在引导我的无意识大脑,因为我知道:它想要娱乐和放松的本能,对当下的我并没有好处。而我能这样做,恰恰说明了有意识和无意识过程应该是搭档,而不是敌人。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 人工智能
    +关注

    关注

    1792

    文章

    47380

    浏览量

    238885
  • 自动驾驶
    +关注

    关注

    784

    文章

    13847

    浏览量

    166575

原文标题:你的大脑在自动驾驶,而你一无所知

文章出处:【微信号:AItists,微信公众号:人工智能学家】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    什么是具身智能自动驾驶是具身智能吗?

    关联?自动驾驶是否可以被归类为具身智能?在此疑问下,智驾最前沿对具身智能进行了简单了解,接下来就聊聊自己浅薄的想法,欢迎大家留言讨论。 自动驾驶作为
    的头像 发表于 12-10 11:02 224次阅读

    智能驾驶自动驾驶的关系

    智能驾驶自动驾驶概念上存在定的联系和区别,以下是对两者关系的介绍: 、概念定义
    的头像 发表于 10-23 16:02 707次阅读

    人工智能的应用领域有自动驾驶

    人工智能的应用领域确实包括自动驾驶 。近年来,随着科技的迅猛发展,人工智能(AI)的应用已经渗透到生活的方方面面,特别是自动驾驶领域,AI
    的头像 发表于 10-22 16:18 596次阅读

    自动驾驶技术的典型应用 自动驾驶技术涉及到哪些技术

    自动驾驶技术的典型应用 自动驾驶技术是种依赖计算机、无人驾驶设备以及各种传感器,实现汽车自主行驶的技术。它通过使用人工智能、视觉计算、雷达
    的头像 发表于 10-18 17:31 853次阅读

    risc-v人工智能图像处理应用前景分析

    RISC-V人工智能图像处理领域的应用前景十分广阔,这主要得益于其开源性、灵活性和低功耗等特点。以下是对RISC-V人工智能图像处理应用前景的详细分析:
    发表于 09-28 11:00

    FPGA自动驾驶领域有哪些优势?

    FPGA(Field-Programmable Gate Array,现场可编程门阵列)自动驾驶领域具有显著的优势,这些优势使得FPGA成为自动驾驶技术中不可或缺的部分。以下是FP
    发表于 07-29 17:11

    FPGA自动驾驶领域有哪些应用?

    是FPGA自动驾驶领域的主要应用: 、感知算法加速 图像处理:自动驾驶中需要通过摄像头获取并识别道路信息和行驶环境,这涉及到大量的图像处理任务。FPGA
    发表于 07-29 17:09

    FPGA人工智能中的应用有哪些?

    FPGA(现场可编程门阵列)人工智能领域的应用非常广泛,主要体现在以下几个方面: 、深度学习加速 训练和推理过程加速:FPGA可以用来加速深度学习的训练和推理过程。由于其高并行性和低延迟特性
    发表于 07-29 17:05

    人工智能驾驶技术包括哪些技术

    人工智能驾驶技术,也称为自动驾驶技术,是种利用计算机视觉、机器学习、人工智能等多种先进技术,使汽车
    的头像 发表于 07-23 16:31 1288次阅读

    深度学习自动驾驶中的关键技术

    随着人工智能技术的飞速发展,自动驾驶技术作为其中的重要分支,正逐渐走向成熟。自动驾驶系统中,深度学习技术发挥着至关重要的作用。它通过模拟人脑的学习过程,实现对车辆周围环境的感知、理解
    的头像 发表于 07-01 11:40 787次阅读

    标贝数据采集标注自动驾驶场景中落地应用实例

    AI数据服务作为人工智能和机器学习的基础,自动驾驶领域中有着重要地位。与其他人工智能应用场景相比,自动驾驶的落地场景相对复杂,想要让汽车本
    的头像 发表于 05-28 14:22 616次阅读
    标贝数据采集标注<b class='flag-5'>在</b><b class='flag-5'>自动驾驶</b>场景中落地应用实例

    智能驾驶大模型:有望显著提升自动驾驶系统的性能和鲁棒性

    智能驾驶大模型是近年来人工智能领域和自动驾驶领域最为前沿的研究方向之,它融合了深度学习、多模态融合、世界模型构建等多种技术,有望显著提升
    的头像 发表于 05-07 17:20 1622次阅读
    <b class='flag-5'>智能</b><b class='flag-5'>驾驶</b>大模型:有望显著提升<b class='flag-5'>自动驾驶</b>系统的性能和鲁棒性

    上海人工智能实验室发布自动驾驶视频生成模型GenAD

    上海人工智能实验室近日取得重大技术突破,联合香港科技大学、德国图宾根大学及香港大学共同研发并发布了大规模自动驾驶视频生成模型——GenAD。这创新模型通过精准预测和模拟真实世界场景,为自动驾
    的头像 发表于 03-26 10:40 526次阅读

    边缘计算与自动驾驶系统如何结合

    当前自动驾驶中,大规模的人工智能算法模型和大规模数据集中化分析均放在云端进行。因为,云端拥有大量的计算资源,可以极短的时间内完成数据的处理,但是仅依靠云端为自动驾驶汽车提供服务
    发表于 03-25 09:26 575次阅读
    边缘计算与<b class='flag-5'>自动驾驶</b>系统如何结合

    嵌入式人工智能的就业方向有哪些?

    嵌入式人工智能的就业方向有哪些? 轮科技革命与产业变革的时代背景下,嵌入式人工智能成为国家新型基础建设与传统产业升级的核心驱动力。同时在此背景驱动下,众多名企也纷纷
    发表于 02-26 10:17