计算机智能化中冯·诺依曼体系结构的局限性

董晶晖

四川大学计算机学院2009级一班，成都 610225

计算机智能化中冯·诺依曼体系结构的局限性

董晶晖

四川大学计算机学院2009级一班，成都 610225

计算机经过了半个多世纪的发展，依旧无法和人脑相匹敌。这种差距在某种程度上，是由冯·诺依曼体系结构的局限性造成,具体体现在数据的表达方式和存储器的设计上。量子计算机具备的量子力学特性可以扩充经典计算机的逻辑和数学基础。这些特性为计算机提供了新的发展方向，很可能取得突破性进展。

冯·诺依曼体系结构；人脑；量子计算机

von Neumann architecture；human brain；quantum computer

引言

计算机初期除了运算速度高于人脑，其余的性能远低于人脑。计算机经过50多年的发展，性能已经超过了人脑，这为人工智能的实现提供了条件。但是计算机仍然没有达到人工智能阶段[1]。至今还没有任何一台计算机通过图灵测试。而冯·诺依曼体系正是现代计算机的结构基础。本文将从冯·诺依曼体系出发，讨论该体系对于现代计算机智能化的局限。这里将会重点讨论二进制的数据表达和存储器结构的局限性。

1 数字表达的局限

现代计算机主要采用冯·诺依曼体系结构，即二级制数字计算机[2]。数字计算机具有极高的准确度，可完成大量的复杂运算。人脑的生物脉冲频率为100Hz，仅相当于2bit或3bit十进制数字计算机的准确度水平。这种准确度甚至低于模拟计算机的准确度。但是，人脑却可以完成计算机都无法胜任的复杂工作。这种差距的出现，源于数字表达信号和逻辑门等价的局限性。

冯·诺依曼将人脑的脉冲信号用二级制进行表达，认为神经元被激发发射脉冲时，相当于逻辑中的“真”（1）。未被激发时，便没有脉冲发射，相当于逻辑中的“假”（0）。同时，他把人脑中的神经元等价为逻辑门。树突等同于逻辑门的输入，轴突等同于逻辑门的输出。激发神经元的临界值决定于逻辑门的逻辑表达式。如果上述理论正确，那么人脑和计算机便具有相同的运行机制。但是，医学上的实验事实，证明这种理论的不准确性。首先，神经元不是只在被激发的情况下才会发射脉冲。在未被激发的情况下，它会发射低于普通频率的脉冲。而逻辑“假”值无法表达这种情况。英国数学家Roger Penrose指出，神经元激发还具有随机性，同样的刺激不会总产生相同的结果[3]。Cameron C.McIntyre和Warren M.Grill在1999年进行的实验则证明了神经元的激发还跟刺激脉冲的极性，持续时间和振幅有关[4]。以上事实证明了采用二进制无法完整地表达神经元之间传递的信息。神经系统中的信息表达不仅在于脉冲的有无，还在于脉冲信号的其他特性。其次，逻辑门模型无法表达神经元结构的复杂性。相比于逻辑门有限的输入端，神经元可以有大量的突触（等同于信号输入端）附在上面。例如，被称为普奇涅细胞的小脑神经元约有80,000个兴奋突触。另外，人脑并不是用导线连接起来的固定神经元组合，神经系统具有重塑性。在特定条件下, 神经元可发生适应性改变获得新的功能。神经元重塑主要表现在其神经递质的改变。这种特性，是固定不变的逻辑门无法实现的。因此，将逻辑门等价于神经元过于简化。

冯·诺依曼体系结构与实际的人脑模型的差距依然很大。简化的结构虽然有助于准确表达和传递计算机中的信息，但无法表现出人脑信息的模糊性。很多情况下，神经系统中的消息意义用统计性质传送，神经系统本身不是一种准确的符号系统。这种系统通过人脑逻辑的改进，弥补准确度上的恶化。这种特点是冯·诺依曼体系结构无法实现的。

2 存储器设计的缺陷

冯·诺依曼提出的记忆（存储器）的概念和人类的记忆有着本质的区别。首先，存储机制上，计算机存储器以电路电压的高低来存储信息。人脑则是以一系列神经元用相似的方式同时放电来形成记忆。其次，计算机和人脑虽然都依靠存储器（记忆）进行计算，但是机制不同。计算机是使用存储器记录计算的中间结果或部分结果，并用存储的指令控制操作。对于重复的相同运算，计算机每次的计算都是独立的。即使下次是相同的运算，计算机不能直接把当前的计算结果作为下次运算的结果。对于人脑，当形成记忆的一系列神经元中，任意一个神经元再次接受刺激时，哪怕是很微弱的刺激，神经网络中的其他神经元也会放电。比如，当人记住2×3的结果后。再次遇见该运算时，记录该运算的一系列神经元接受刺激，同时放电。从而，人可以直接得出答案，而不需要再次运算。人脑的记忆形成机制，可以让人类具有更强的适应性，形成诸如“常识”类的信息。另外，计算机所有的指令和数据都集中在存储器中。这种集中式设计固然方便，但是鲁棒性不强。一旦某个存储元件损坏，上面的信息就会丢失。而人脑的记忆分散在各个神经元间。比如人脸的识别过程，分别由人脑顶叶的内沟、枕叶等不同的部分共同完成[5]。这种系统和机制的好处就是鲁棒性非常强，某神经元的死亡，不会影响系统整体的输出模式。

相对于人脑，冯·诺依曼体系结构缺乏模糊性和通用性，设计的特定程序，只能处理特定的问题。要处理更复杂的内容，提高适用性，就必须提高算法或者程序的复杂度。这种策略面对简单的模型世界，还是成功的。但要解决真实世界的问题，就十分困难。例如NP问题。

3 量子计算机的改进

量子计算机在冯·诺依曼结构计算机的基础上，实现了许多改进。与经典比特位不同，量子计算机比特位可以同时处于|0>和|1>的叠加态。于是，对量子位操作一次，等同于对经典位操作两次[6]。相比于采用经典二进制的计算机，量子计算机表达信息的复杂性有所增加。必须得指出，这不是简单的复杂度增加。量子计算机可以冲破经典逻辑和数学的束缚。比如，量子计算机可以创造一个新的逻辑门——非门的平方根。实际操作如下：一束/2脉冲能将电子从0或1态转化为两个态的叠加态。接着，第二束/2脉冲会将这个电子转化为1态（如果初始态为0）或0态（如果初始态为1）。通过核自旋、光子、束缚离子和原子等制成的量子位，现今的物理学家已经建造出了这种在经典条件下不可能存在的逻辑门，它们是量子计算机的基础。该基础为经典算法的超越提供了条件。一个最引人注目的例子就是因数分解。1994年，Peter Shor在贝尔实验室发现了一个可分解因数的量子算法，执行效率远优于传统的算法[7]。而量子纠错代码的发现使量子计算变得更为可靠，它可以一定程度上消除相干。以上的特性，使量子计算机可以解决以前无法解决的问题，并保证在任意长的时间里可靠运行。量子计算机为人工智能的发展提供了有利的硬件条件。从量子计算机本身来说，还没有证据表明，量子计算与人脑思维的产生活动有联系。事实上，理解大脑的活动似乎并不需要量子力学的介入[8]。要利用量子计算机去实现人工智能，目前仍依靠它强大的计算能力和巨大的运算速度。这沿用了经典计算机的发展模式，即用速度的优势弥补并行度的不足。但按照此方向发展下去，计算机的模糊性和通用性并没有得到有效的改善，这种缺陷很难确保量子计算机可以实现人工智能。更何况用于判断人工智能是否成功的图灵测试还存在争议。即使量子计算机可以通过图灵测试，也许离实际的人工智能还相差甚远。

4 讨论

冯·诺依曼选择二进制作为数字计算机数据的表达方式，这是基于该进制本身的优势以及物理元件的限制。但人脑神经元的构造和信号脉冲非常复杂。远超过逻辑门和二进制的表达范围。这使得二级制数字计算机与人脑的基础结构存在较大偏差，这种偏差很难为人工智能的发展提供可靠的硬件环境。基于运算设计的存储器构造也存在一定缺陷。计算机依靠存储器的运算过程与人脑依靠记忆的运算过程有着本质区别。目前，医学对于人脑存储机制的了解非常有限。在新的存储元件或者关于人脑的新研究成果研制出来之前，计算机的存储机制应该不会有太大的突破。

量子计算机本身的特性，扩充了逻辑和数学理论。这实现了经典条件无法实现的逻辑门，为新的算法实现提供了条件。这也许能从计算机的理论基础，实现改进，从而为人工智能的发展提供可靠的硬件条件。

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

[2]John von Neumann.计算机与人脑.第一版.北京：北京大学出版社，2010；9-23.

[3]Roger Penrose.皇帝新脑.第一版.长沙.湖南科学技术出版社，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]张镇九,张昭理.量子计算机进展.计算机工程，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

董晶晖（1991-），男，汉族，四川成都人，大学本科。