計算機智能化中馮·諾依曼體系結構的局限性

董晶暉

四川大學計算機學院2009級一班，成都 610225

計算機智能化中馮·諾依曼體系結構的局限性

董晶暉

四川大學計算機學院2009級一班，成都 610225

計算機經過了半個多世紀的發展，依舊無法和人腦相匹敵。這種差距在某種程度上，是由馮·諾依曼體系結構的局限性造成,具體體現在數據的表達方式和存儲器的設計上。量子計算機具備的量子力學特性可以擴充經典計算機的邏輯和數學基礎。這些特性為計算機提供了新的發展方向，很可能取得突破性進展。

馮·諾依曼體系結構；人腦；量子計算機

von Neumann architecture；human brain；quantum computer

引言

計算機初期除了運算速度高于人腦，其余的性能遠低于人腦。計算機經過50多年的發展，性能已經超過了人腦，這為人工智能的實現提供了條件。但是計算機仍然沒有達到人工智能階段[1]。至今還沒有任何一臺計算機通過圖靈測試。而馮·諾依曼體系正是現代計算機的結構基礎。本文將從馮·諾依曼體系出發，討論該體系對于現代計算機智能化的局限。這里將會重點討論二進制的數據表達和存儲器結構的局限性。

1 數字表達的局限

現代計算機主要采用馮·諾依曼體系結構，即二級制數字計算機[2]。數字計算機具有極高的準確度，可完成大量的復雜運算。人腦的生物脈沖頻率為100Hz，僅相當于2bit或3bit十進制數字計算機的準確度水平。這種準確度甚至低于模擬計算機的準確度。但是，人腦卻可以完成計算機都無法勝任的復雜工作。這種差距的出現，源于數字表達信號和邏輯門等價的局限性。

馮·諾依曼將人腦的脈沖信號用二級制進行表達，認為神經元被激發發射脈沖時，相當于邏輯中的“真”（1）。未被激發時，便沒有脈沖發射，相當于邏輯中的“假”（0）。同時，他把人腦中的神經元等價為邏輯門。樹突等同于邏輯門的輸入，軸突等同于邏輯門的輸出。激發神經元的臨界值決定于邏輯門的邏輯表達式。如果上述理論正確，那么人腦和計算機便具有相同的運行機制。但是，醫學上的實驗事實，證明這種理論的不準確性。首先，神經元不是只在被激發的情況下才會發射脈沖。在未被激發的情況下，它會發射低于普通頻率的脈沖。而邏輯“假”值無法表達這種情況。英國數學家Roger Penrose指出，神經元激發還具有隨機性，同樣的刺激不會總產生相同的結果[3]。Cameron C.McIntyre和Warren M.Grill在1999年進行的實驗則證明了神經元的激發還跟刺激脈沖的極性，持續時間和振幅有關[4]。以上事實證明了采用二進制無法完整地表達神經元之間傳遞的信息。神經系統中的信息表達不僅在于脈沖的有無，還在于脈沖信號的其他特性。其次，邏輯門模型無法表達神經元結構的復雜性。相比于邏輯門有限的輸入端，神經元可以有大量的突觸（等同于信號輸入端）附在上面。例如，被稱為普奇涅細胞的小腦神經元約有80,000個興奮突觸。另外，人腦并不是用導線連接起來的固定神經元組合，神經系統具有重塑性。在特定條件下, 神經元可發生適應性改變獲得新的功能。神經元重塑主要表現在其神經遞質的改變。這種特性，是固定不變的邏輯門無法實現的。因此，將邏輯門等價于神經元過于簡化。

馮·諾依曼體系結構與實際的人腦模型的差距依然很大。簡化的結構雖然有助于準確表達和傳遞計算機中的信息，但無法表現出人腦信息的模糊性。很多情況下，神經系統中的消息意義用統計性質傳送，神經系統本身不是一種準確的符號系統。這種系統通過人腦邏輯的改進，彌補準確度上的惡化。這種特點是馮·諾依曼體系結構無法實現的。

2 存儲器設計的缺陷

馮·諾依曼提出的記憶（存儲器）的概念和人類的記憶有著本質的區別。首先，存儲機制上，計算機存儲器以電路電壓的高低來存儲信息。人腦則是以一系列神經元用相似的方式同時放電來形成記憶。其次，計算機和人腦雖然都依靠存儲器（記憶）進行計算，但是機制不同。計算機是使用存儲器記錄計算的中間結果或部分結果，并用存儲的指令控制操作。對于重復的相同運算，計算機每次的計算都是獨立的。即使下次是相同的運算，計算機不能直接把當前的計算結果作為下次運算的結果。對于人腦，當形成記憶的一系列神經元中，任意一個神經元再次接受刺激時，哪怕是很微弱的刺激，神經網絡中的其他神經元也會放電。比如，當人記住2×3的結果后。再次遇見該運算時，記錄該運算的一系列神經元接受刺激，同時放電。從而，人可以直接得出答案，而不需要再次運算。人腦的記憶形成機制，可以讓人類具有更強的適應性，形成諸如“常識”類的信息。另外，計算機所有的指令和數據都集中在存儲器中。這種集中式設計固然方便，但是魯棒性不強。一旦某個存儲元件損壞，上面的信息就會丟失。而人腦的記憶分散在各個神經元間。比如人臉的識別過程，分別由人腦頂葉的內溝、枕葉等不同的部分共同完成[5]。這種系統和機制的好處就是魯棒性非常強，某神經元的死亡，不會影響系統整體的輸出模式。

相對于人腦，馮·諾依曼體系結構缺乏模糊性和通用性，設計的特定程序，只能處理特定的問題。要處理更復雜的內容，提高適用性，就必須提高算法或者程序的復雜度。這種策略面對簡單的模型世界，還是成功的。但要解決真實世界的問題，就十分困難。例如NP問題。

3 量子計算機的改進

量子計算機在馮·諾依曼結構計算機的基礎上，實現了許多改進。與經典比特位不同，量子計算機比特位可以同時處于|0>和|1>的疊加態。于是，對量子位操作一次，等同于對經典位操作兩次[6]。相比于采用經典二進制的計算機，量子計算機表達信息的復雜性有所增加。必須得指出，這不是簡單的復雜度增加。量子計算機可以沖破經典邏輯和數學的束縛。比如，量子計算機可以創造一個新的邏輯門——非門的平方根。實際操作如下：一束/2脈沖能將電子從0或1態轉化為兩個態的疊加態。接著，第二束/2脈沖會將這個電子轉化為1態（如果初始態為0）或0態（如果初始態為1）。通過核自旋、光子、束縛離子和原子等制成的量子位，現今的物理學家已經建造出了這種在經典條件下不可能存在的邏輯門，它們是量子計算機的基礎。該基礎為經典算法的超越提供了條件。一個最引人注目的例子就是因數分解。1994年，Peter Shor在貝爾實驗室發現了一個可分解因數的量子算法，執行效率遠優于傳統的算法[7]。而量子糾錯代碼的發現使量子計算變得更為可靠，它可以一定程度上消除相干。以上的特性，使量子計算機可以解決以前無法解決的問題，并保證在任意長的時間里可靠運行。量子計算機為人工智能的發展提供了有利的硬件條件。從量子計算機本身來說，還沒有證據表明，量子計算與人腦思維的產生活動有聯系。事實上，理解大腦的活動似乎并不需要量子力學的介入[8]。要利用量子計算機去實現人工智能，目前仍依靠它強大的計算能力和巨大的運算速度。這沿用了經典計算機的發展模式，即用速度的優勢彌補并行度的不足。但按照此方向發展下去，計算機的模糊性和通用性并沒有得到有效的改善，這種缺陷很難確保量子計算機可以實現人工智能。更何況用于判斷人工智能是否成功的圖靈測試還存在爭議。即使量子計算機可以通過圖靈測試，也許離實際的人工智能還相差甚遠。

4 討論

馮·諾依曼選擇二進制作為數字計算機數據的表達方式，這是基于該進制本身的優勢以及物理元件的限制。但人腦神經元的構造和信號脈沖非常復雜。遠超過邏輯門和二進制的表達范圍。這使得二級制數字計算機與人腦的基礎結構存在較大偏差，這種偏差很難為人工智能的發展提供可靠的硬件環境。基于運算設計的存儲器構造也存在一定缺陷。計算機依靠存儲器的運算過程與人腦依靠記憶的運算過程有著本質區別。目前，醫學對于人腦存儲機制的了解非常有限。在新的存儲元件或者關于人腦的新研究成果研制出來之前，計算機的存儲機制應該不會有太大的突破。

量子計算機本身的特性，擴充了邏輯和數學理論。這實現了經典條件無法實現的邏輯門，為新的算法實現提供了條件。這也許能從計算機的理論基礎，實現改進，從而為人工智能的發展提供可靠的硬件條件。

[1]Hans Moravec.When will computer hardware match the human brain? Journal of Evolution and Technology.1998;1(1)

[2]John von Neumann.計算機與人腦.第一版.北京：北京大學出版社，2010；9-23.

[3]Roger Penrose.皇帝新腦.第一版.長沙.湖南科學技術出版社，1992；458-459.

[4]Cameron C.McIntyre and Warren M.Grill.Excitation of Central Nervous System Neurons by Nonuniform Electric Fields.Biophys J.1999;76(2): 878-888.

[5]James V.Haxby, Elizabeth A.Hoffma and M.Ida Gobbini.Human Neural Systems for Face Recognition and Social Communication.BIOL PSYCHIATRY，2002.51(1): 59-67.

[6]張鎮九,張昭理.量子計算機進展.計算機工程，2004;30(8):7-9.

[7]B.E.Kane.A silicon-based nuclear spin quantum computer.NATURE，1998;393:133-137.

[8]Abninder Litt, Chris Eliasmith, Frederick W.Kroon, et al.Is the Brain a Quantum Computer? Cognitive Science Society，2006;30(3):593-603.

The limitations of the von Neumann architecture in computer intelligent

Dong Jinghui
College of Computer Science and Technology；SiChuan University；Chengdu 610021

The computer still cannot match the ability of human brain through the development of more than half a century.This distance is relatively caused by the limitation of the von Neumann architecture, embodied in the design of data presentation and storage.Quantum mechanical properties of the quantum computer can expand the classical computer’s logic and mathematical foundations, which provides the new direction of development for computer and may achieve a breakthrough.

10.3969/j.issn.1001-8972.2012.23.027

董晶暉（1991-），男，漢族，四川成都人，大學本科。