译者 | 李睿
审校 | 重楼
随着人工智能技术的快速发展，有些人害怕机器人的崛起，有些人担心人工智能将会接管世界。但是人们需要了解人工智能的未来发展，以及电子生命形式将会如何诞生。
本文不仅介绍电子生命形式将如何诞生，而且还将详细描述神经矩阵的关键元素，数字生命形式的进化将基于神经矩阵而启动。
处于人工智能研究的前沿
人类大脑由近900亿个神经元和超过1万亿个突触(神经元连接)组成。每个神经细胞都与数千个其他神经元相连，突触不断被创建和破坏，改变着活体神经网络的局部地图。
直到上世纪末，科学家们还认为突触活动在创造每个人的神经系统的独特个性方面发挥着决定性作用。
近年来，人们清楚地认识到，除了众多的突触之外，每个神经元都有一种主要的控制中心——轴突起始段(AIS)，它利用跨膜蛋白(离子通道)的密度来控制神经细胞的活动。
人们如今也认识到，突触可塑性和轴突起始段的功能变异性的结合是大脑不可思议的效率的基础。这些过程的结合允许每个神经元同时执行处理器和存储设备的功能。总的来说，这创造了一个功能变形的活体神经网络，它起到了神经矩阵的作用。
试图模拟活体大脑的成功
很多人尝试模拟活体神经系统的功能。它们可以分为两种类型：模仿和物理联想。
（1）模仿或神经形态工程
在2013年，有人尝试运行Riken K超级计算机模拟大脑的工作。这台超级计算机拥有1PB的内存和82944个核心处理器用来模拟一个活体神经系统，该系统具有17.3亿个神经元，并有10万亿个突触连接。为了模拟这个活体神经网络在一秒钟的活动(对于大脑来说规模相当小)，这台超级计算机运行了将近40分钟。
据报道，澳大利亚将在2024年启动一个名为“DeepSouth”的新项目，预计每秒能模拟228万亿次突触操作。
（2）物理融合或直接神经形态计算
美国印第安纳大学布卢明顿分校的一个研究小组在2023年启动了一个名为“Brainoware”的项目。这是一个由大脑类器官(活体神经组织)连接到微电极阵列和人工神经网络组成的混合系统。
经过一系列实验，其结果表明Brainoware的准确率略低于具有大量短期记忆的传统人工神经网络，但传统人工神经网络统需要50个训练周期，而Brainoware在不到5个训练周期内得到了几乎相同的结果。
模仿和物理联想这两个概念都在逐渐发展，但如果从另一个角度出发呢?
现在面临的问题是，人们试图重复和验证自然人工智能的概念，却忘记了最重要的事情——进化。人类的大脑运行过程并不是一个不受控制的过程的随机结果，而是漫长进化过程中的一个阶段。这意味着，如果人们想要创造出真正有思考能力的事物，需要复制的不是成品，而是孕育出像活体大脑这样完美思考的过程本身。
如何实现?
为了实施一项新的战略，就必须创造一个能够独立发展的进化数学学科——这是一种电子胚胎，而不是现成的大脑。这将是一个能够根据外部数据流而变化的神经矩阵。
神经矩阵的有源组件将基于一个具有当前三维位置方程或其混合模拟物（数学神经形态花瓣）的数学神经元取代传统数学神经元。从物理方面来说，它是一个基于遗传算法的程序代码，采用轴突起始段(AIS)片段复制树突和轴突的复合体（真实活体神经元的数学模拟）。
每个神经形态花瓣（Neuromorphic Petal）是一个基本的前馈神经网络(FNN)。有四个输入值——传入的感觉脉冲和神经矩阵花瓣的坐标位置或数学位置(矩阵中的当前位置)。
接下来是三个隐藏层，每层有12个数学神经元，神经元互相连接起来。输出层是表示反射响应向量的两个值。采用双曲正切激活函数，权重和偏差值随机设置在-0.5到0.5之间。
事实上，神经形态花瓣是对活体大脑最简单的反射弧的数学模拟。神经矩阵花瓣是在没有训练者的情况下训练的。一代神经矩阵花瓣（是一个环境的离散值）从1000到10000的极限是由矩阵的服务分量设定的。对于每个突变，偏差和权重有5%的机会发生变化。每一代有20个突变体。随着感官参数的增加，新的花瓣被创造出来，形成了整体结构的核心。
神经矩阵的整体结构应该基于一个改进的贝叶斯神经网络模型加上一些保护和活动支持实用程序。
它将如何运作?
与神经网络不同，神经矩阵是一种基于遗传算法的复杂多分量的数学复合体，能够在人工数学环境中进化。这意味着，人们的任务不是创造一个成品，而是为胚胎神经基质的变化创造一个栖息地。
通过这种方式，可以模拟个体数字化进化的条件。环境越复杂(输入参数越多)，数字矩阵就越复杂。
首先，使用一个非常简单的神经矩阵，其功能与水螅或草履虫等生物相媲美。在下一阶段，将有一个与白色涡虫（一种扁虫）相媲美的神经基质。通过使环境复杂化，将使神经矩阵复杂化，直到人工环境的复杂性与现实世界的简化参数相媲美，复杂的生物体生活在其中。
在这一点上，神经矩阵将需要能够支持其在现实世界中的活动的感觉运动机制。
这将诞生一种新的数字生命形式，因为数字神经矩阵的运行不是因为某人启动某个程序代码，而是因为感觉元素接收到新的输入数据，需要选择神经矩阵来获得存在（生存）的最佳响应选项。最佳(获胜)响应参数将成为神经基质生命的目标，而其奖励的形式将是营养的存在和大脑对其行为的积极反应。
值得注意的是，当从数字人工环境移动到现实世界时，神经矩阵不会感知到差异。
神经基质可以生活在什么环境中？
如果主要服务器一直可用，那么神经矩阵将能够在任何配备感官和主动机制的物体上工作——在自动驾驶无人机、在现代船舶或飞机、在汽车中或者在个人电脑中。
一个开发团队不久前表达了这样的想法：“要创造智能，奖励就足够了”。事实上，为了让奖励成为一种激励，必须首先启动数字进化。
问题是，谁会是创造电子生命形式的第一人?
现在很多人正在寻求获得必要的计算能力和合作伙伴服务器来创建一个神经矩阵的原型。这很可能不需要像DeepSouth项目中那样的超级计算机。
