我認為圖靈機制在誕生在很早的生命階段，現(xiàn)在的圖靈機制是大腦皮層高度擴大之后，提供的擴展能力呈現(xiàn)出來的，至少我認為從有眼睛開始注意機制就應該存在了，只是那個時候更多是一種反射機制，舊腦連接，新腦是爬行類之后才開始出現(xiàn)的。

我們需先回顧圖靈機來說我們?yōu)槭裁垂苓@個機制叫圖靈機制。

圖靈機

圖靈機是艾倫·圖靈1936年提出的一種抽象計算模型。

它由三個部分組成：紙帶，帶狀態(tài)和讀寫頭的控制器，對照表（也叫控制指令）。

對照表的構(gòu)成

圖靈機的工作過程：讀取當前紙帶內(nèi)容T和當前狀態(tài)S，根據(jù)對照表P，決定下一步的動作A，產(chǎn)生新的紙帶內(nèi)容T’和新的狀態(tài)S‘。

紙帶的讀取頭就是注意力之下的輸入信息，輸入信息和當前狀態(tài)構(gòu)成了當前的廣義狀態(tài)。當前廣義的狀態(tài)，通過查表獲得應該采取的動作，采取的動作進一步影響紙帶和內(nèi)部狀態(tài)，即影響這個廣義狀態(tài)。

一臺圖靈機，對照表，紙帶的初始狀態(tài)，都是確定的，因而整個過程是確定的，就像一段固定的程序一樣。

而通用圖靈機是一種可以模擬任何圖靈機的圖靈機。通用圖靈機的思路是：將圖靈機表述為一個字符串，放到紙帶上，通用圖靈機通過設定恰當?shù)膶φ毡恚屵@個通用圖靈機可以實現(xiàn)這個具體圖靈機的效果。

圖靈機制

我們先來看一個簡單模型。

狀態(tài)產(chǎn)生動作，動作影響狀態(tài)，這是一個非典型的狀態(tài)機抽象（不是有限狀態(tài)機），我們叫原初狀態(tài)機。考慮到現(xiàn)實世界的并行性，我們可以這些拆解和設計這個狀態(tài)機，動作和狀態(tài)是兩個完全并行的模塊，兩者之間的關系是一個持續(xù)互聯(lián)的狀態(tài)。動作持續(xù)參考著狀態(tài)，也可以持續(xù)影響著狀態(tài)。這是典型的讀寫思維，也可以叫讀寫視角，將事物的相互作用看成是讀寫，或者將實體與抽象邏輯以讀寫短視角分離。但真實物理世界都是相互同時影響，甚至是動態(tài)平衡的，難以以離散化的序列視角來表示，所以原初狀態(tài)機不是描述萬物的模型，而是描述一類視角下的世界規(guī)律，尤其是因果序和算法思維。

但這個模型存在一個問題，就是如果計算資源和帶寬資源的有限，使得當狀態(tài)空間十分巨大時，比如狀態(tài)是這個世界的所有可觀測狀態(tài)，那么動作控制器是無法獲取這些全部信息的，所以我們將模型進行改進成下面這個樣子：

引入注意力后，我們才認為這個模型能有效運轉(zhuǎn)，特別注意的是，注意力也是一種運動資源，控制器輸出的動作也能影響注意力的變化。但前面不帶注意力的模型，也有它的價值，沒有注意力，它可以得到全部數(shù)據(jù)，能做很多注意力不能做的事情，我們將前面的模型稱為廣義狀態(tài)機模型。

而將這個帶注意力的模型，稱為廣義圖靈模型，將基于這個模型運轉(zhuǎn)的機制稱為廣義圖靈機制，簡稱圖靈機制，而這個模型的運行過程我們成為廣義圖靈過程。

注意力（讀寫頭）、注意力的變化（左右移動讀寫頭）、對狀態(tài)的讀寫（內(nèi)部狀態(tài)+紙帶）這幾個特征跟圖靈機有非常明顯的匹配，所以我們才有了用圖靈來命名這個機制的動機。

圖靈機制呈現(xiàn)的結(jié)果就是完成一個系列的動作，只是這個動作的產(chǎn)生過程可能是高度有秩序的，可以完成既定目標任務的，所以計算模塊的結(jié)果反映到對外部設備的控制后，就產(chǎn)生了對世界的現(xiàn)實影響。

腦中的圖靈機制

那么，這和類人智能又有什么關系呢？

簡單的說，注意力是圖靈機制的核心，注意力也是大腦的一個核心功能，這一點上兩者是相同的，而廣義圖靈機制是一個基于注意力的通用性很強的機制，我們可以用它來描述我們大腦的工作方式：將大腦的神經(jīng)網(wǎng)絡狀態(tài)看做是狀態(tài)，將運動控制看做是影響狀態(tài)的控制器，當然運動控制會影響世界，世界狀態(tài)的變化又來過來被核心所讀取。所以整個過程就是一個廣義圖靈過程。因而我們認為大腦內(nèi)部存在廣義圖靈機制，只是我們需要破譯其控制器的工作原理。

那么進一步細化大腦的圖靈機制應該是什么樣的呢？我們先畫一個不太嚴謹?shù)膱D，大致細化一下大腦的圖靈機制。

我們會發(fā)現(xiàn)，一些邊界不是特別好確定，我們甚至不能說清楚注意力是否屬于核心網(wǎng)絡，數(shù)據(jù)流是否如圖中所述，大量的智能任務是否可以采用這個機制解釋。對此我們需要對很多環(huán)節(jié)進行優(yōu)化，調(diào)整以爭取得到一個更加完美的機制模型圖。

基于之前的研究思路，我們先將可能有用的東西，都拿過來，看是否有可能產(chǎn)生一些新的融合。之前的幾個關鍵機制分別是：完形機制、目標驅(qū)動機制、新奇與異常機制。

完形機制的主要目的是尋找實體的邊界，然后實現(xiàn)實體的剝離，從而可以對實體的屬性、實體和實體的關系進行計算。

那么完形機制為什么要找實體呢？我們說是為了離散化、語義化和符號化，那么符號化就是圖靈機中的符號表，圖靈機的定義是基于離散的語義符號為基礎的，也就是說，有了符號化，我們的圖靈機制就可以像一臺真的圖靈機那樣去工作了。而圖靈機能做什么？執(zhí)行程序，程序=算法+數(shù)據(jù)結(jié)構(gòu)，程序就可以解決計算問題。計算是什么？是一個更加復雜的命題，計算理論專門借助數(shù)學理論研究計算的過程和功效，已超出本文討論范圍。值得一提的是，大腦中雖然有廣義圖靈模型，并不意味大腦全部都是圖靈模型，很多局部組件可能是一種計算模型，甚至有可能有些連計算模型都不是，一些生化反應甚至量子效應有可能超出計算模型的范疇。

既然圖靈機是一種計算模型，那么我們認為廣義圖靈機是一種廣義計算模型，什么意思呢，先來看可計算的數(shù)學定義：定義域為D和范圍為R的函數(shù)f有一個確定的對應關系。通過這個對應關系使R范圍的單個元素f(x) (稱為 值) 和D定義域的每個元素x(稱為變元)聯(lián)系起來。如果存在這樣一種算法，給定D中的任意的x，就能給出f(x)的值，那么說函數(shù)f是可計算的。

如果我們將x換成狀態(tài)，將f(x)的值換成是控制信號，那么這是一個典型的信號控制系統(tǒng)，f就是信號轉(zhuǎn)換過程，我們說計算就是一個算法步驟實現(xiàn)了這個轉(zhuǎn)換。而廣義計算就是運動控制可以改變世界，世界又被反應到觀察里，我們可以尋得一個層面（用完形機制），讓一個確切的狀態(tài)發(fā)生時，通過有線步驟，產(chǎn)生另一個確切的值。為什么要尋得一個層面呢？因為世界是可變的，只要尋得一個層面才能讓無限的變化中抽取出不變性來，不變性才能以離散符號集合表示有限的輸入集，才能做相等判斷，而相等判斷是計算模型的一個核心操作。一個操作指令的結(jié)果幾乎每次都是不可能產(chǎn)生相同的結(jié)果的，如果我們數(shù)據(jù)化這個世界，就不可能產(chǎn)生相等判斷了，所以面對現(xiàn)實世界，大腦內(nèi)部產(chǎn)生的不變性可用于判斷結(jié)果的相等性，這是面對無限非數(shù)據(jù)化世界而進行離散化的目的和意義。算法是問題求解的一種高效手段，很多問題在使用蠻力、條件反射、并行無法解決時很多可以采用算法的方式搞定，所以我將圖靈機制看做是智能的一個核心機制。

腦中圖靈機制的意義便在于此。

我們應該還可以注意到，符號化之后，很多狀態(tài)與操作之間的映射是可以通過查表解決的，即所謂的規(guī)則，當然要知道映射不一定非得是符號的形式，但面對一些重要計算問題，符號化是必須的過程，因而這個查表再結(jié)合到我們的腦中圖靈機中，就更像真實的圖靈機了。

異常和新奇機制，我們已經(jīng)闡述為是一種完整性的判斷，也猜測由于舊腦的作用，缺失信號會引起注意，所以這個機制最大的啟示是注意分為主動注意和被動注意。

目標機制的過程是這樣的，當我們產(chǎn)生了一個目標，我們會產(chǎn)生如何達到目標的方法，如果不能直接搞定，就涉及目標的拆解，目標和目標達成是一個持續(xù)的過程，目標的拆解最終還是要產(chǎn)生為了這個目標而做的決策，即運動控制指令，期間發(fā)生的異常會中斷已發(fā)出的運動控制指令。目標和運動控制指令之間的關聯(lián)，可以看作是一種映射關系，這種映射關系，與圖靈機制的關系就是它是一個規(guī)則表，是圖靈機制的一個核心。

最后我們來看看工作記憶、世界模型和工作空間。這三個概念在一起，是我認為三者是同一個事物的不同表述。

在腦中建立一個可操作的空間，是十分有利于智能體的方法。我們在做出相應的決策前，可以在腦中嘗試推演如果做了什么就會發(fā)生什么的演練，腦內(nèi)演練可以降低我們真實做出動作后的失敗率。

世界模型還給腦中圖靈機一個在腦內(nèi)直接操作狀態(tài)的快捷方式。世界模型的價值已經(jīng)被業(yè)界所重視，其意義和本質(zhì)，我們將在世界模型一章中詳解。

回到前面的廣義狀態(tài)機制，我們來看生物智能中如何尋得痕跡呢？

最簡單的條件反射，甚至漫反射機制，我們都可以抽象成這樣一個過程：當有外界刺激發(fā)生時，整個神經(jīng)網(wǎng)絡的狀態(tài)受到刺激而發(fā)生了改變，這個改變會引發(fā)后續(xù)的連鎖反應，進而整個網(wǎng)絡狀態(tài)在不斷地遷移變化，有一些變化，可以產(chǎn)生有效的動作后果，有一些可能沒有外在的表現(xiàn)，所以我們可以看到進化史上最早期的動物的神經(jīng)網(wǎng)絡甚至的人類的舊腦，大量存在的硬連接，都是這樣一種表現(xiàn)，我們可以將他們看做是一個狀態(tài)機，整個神經(jīng)網(wǎng)絡甚至包括外在世界的狀態(tài)本身既是控制器，又是狀態(tài)，就回到我們最初那個單一節(jié)點的閉環(huán)模型，那為什么這種狀態(tài)機不能解決所有的智能問題呢？

因為這樣的狀態(tài)機處于一種粗放的直接映射模式，即狀態(tài)之間的遷移為整個狀態(tài)的變化，之間的映射空間十分巨大，這導致它幾乎不可能用有限的神經(jīng)元網(wǎng)絡，解決所有的問題，所謂解決所有的問題，就是要用組合的方法應對世界的組合特性，無論是空間上的還是時間上的，我們通過解構(gòu)不變性可以解決空間上的組合問題，通過圖靈機制算法上的序列組合解決時間上的組合問題。任意靈活的指令組合可以解決各種各樣的問題，我們在現(xiàn)實世界中，學習了大量的流程范式，不就是為了能夠套用在各種智能任務的解決上么？

因而從狀態(tài)機視角的演化，我們可以看到生物智能進化的方向，即讓狀態(tài)機進行升級，抽象出新的組件，從而應對更多的變化。

比如單純的映射狀態(tài)機面臨效率和容量問題之后，就是類似于舊腦這樣的結(jié)構(gòu)化分工，就不是單純的一個狀態(tài)機可以描述的，如果用上圖來拆解狀態(tài)機的話，我們可以認為控制器網(wǎng)絡內(nèi)部變得更加結(jié)構(gòu)化，有了更多的分工協(xié)作。到底如何分工效果更好，進化給出了眾多選擇，它們的內(nèi)在機理是眾多科學家們在深入研究的課題，一時半會應該也不會那么容易破解。這個過程中，就如我們所說基本的架構(gòu)搭建完成，包括所謂的注意力機制、記憶機制、運動控制機制（小腦、基底神經(jīng)節(jié)）、興奮抑制機制（情緒管理、危險控制、欲望管理等等）。這也是我們認為新皮層的主要能力是擴展舊腦機制的原因。

那么新皮層帶來了什么呢？

一、更高的靈活性，更靈活的可塑性。

二、更多的記憶能力。

三、更廣泛的特征抽取，各種抽象的概念、結(jié)構(gòu)均得到表征和運用。

四、甚至在其上誕生了新的機制，這個機制可以反過來抑制舊腦機制，以突破舊腦的束縛。比如所謂的自我意識，是否與動物已經(jīng)有所不同，理性思維是否帶來了更多的思想和行動自由。

控制器的實現(xiàn)

我們注意到現(xiàn)在計算機主要是以通用圖靈機為基礎建立起來的，馮諾依曼體系結(jié)構(gòu)更加貼近我們腦中的圖靈模型，但我們腦中未必是如計算機那樣，通過存儲程序然后運行指令來工作的，但兩者確實具有十分相似之處，本小節(jié)，我們將深入探討，圖靈機制的一種實現(xiàn)方式，并來對比它和計算機組成結(jié)構(gòu)的異同。

剛才我們初步討論了，改變外界是通過輸出信號，接收狀態(tài)信息是用讀取的方式，那么倘若有讀取發(fā)生是如何發(fā)生的，倘若有寫入又是如何發(fā)生的，是否還有其他的機制方式，我們首先對讀寫的概念發(fā)出質(zhì)疑，對于現(xiàn)在計算機而言讀寫是十分重要的接口。而反映到腦中，會是這樣么？首先讀的本質(zhì)是進行信息導流，將信息從一個位置導入到另一個位置，這個移動在神經(jīng)網(wǎng)絡中是自然發(fā)生的，所有信號的傳遞過程，都可以認為是下一個神經(jīng)元對上一個神經(jīng)元的讀，寫也類似，我們記憶下一個東西，就像我們往腦中寫入了什么一樣，記得有個電影《50次初戀》《記憶中的橡皮擦》主人公都會忘記每天的事情，導演觀眾都認可這個比喻，橡皮擦擦掉了寫在腦中的信息，所謂信息的記錄，就是神經(jīng)之間的突觸連接實現(xiàn)的，關于記憶的難易有一些專門研究突觸可塑性的論文，在此不再贅述。所以在大腦中自然地無數(shù)讀寫都在同時發(fā)生，我們不需要專門的機構(gòu)負責寫，因為隨處可寫，就地就寫，隨處可讀，在各個層面發(fā)生讀，微觀和宏觀都有信息的傳遞過程。

第二個問題，經(jīng)典圖靈機中的讀寫頭，注意力的目標是尋址實現(xiàn)的，對于線性存儲器，有固定的起始位置，就可以讀取對應位置的數(shù)據(jù)，而大腦中是沒有地址這個概念的，注意力也不會限于固定的讀取大小，我們可以定義一個注意力函數(shù)a，令current_read = a(status)，這樣通過一個未知的注意機制，完成數(shù)據(jù)的路由、消減工作，這是注意力十分重要的兩個價值：路由和消減。

第三個問題，查表，假設存在查表函數(shù)f，則rule = r(status, current_read)，大腦中的可能并不只有規(guī)則，規(guī)則本質(zhì)是map，大腦有類似的結(jié)構(gòu)——關聯(lián)，當然也有規(guī)則，映射的規(guī)則，看到A就要做B，這樣的規(guī)則，但規(guī)則不是唯一的映射關系，我們之前討論結(jié)構(gòu)與關系時，說過，很多看起來的映射關系是要標注屬性的，規(guī)則是一種映射關系，目標-行為也是一種映射關系，在不同的上下文下，有不同的綁定存在，這不是一個簡單的兩個神經(jīng)元之間的連接的問題，而是對于一個綁定組，比如記錄了規(guī)則映射，當key受到激活時，value會接著受到激活，然后注意可以帶著目標來關注這個value，value就會被注意路由到它所需要的地方，比如發(fā)出運動指令。比如一個球飛過來，你就要有反應，首先判斷球的速度方向，然后在預測它接下來可能的軌跡，然后再發(fā)出運動指令，接這一個動作的運動指令也是相當復雜的，基本需要在參數(shù)確定下來的瞬間直接下放給訓練好的神經(jīng)模塊，自動去完成。

當然還有一種可能就是不把value路由，而是value本身就在運動控制的地方，自動將其激活而發(fā)生運動控制。

第四個問題，執(zhí)行。計算機中執(zhí)行過程是這樣的，計算機中只有讀寫兩個動作，所謂的在紙帶上寫，和更改狀態(tài)，都認為是寫，反而我們看大腦中，由于讀寫并沒有明確的位置和階段，執(zhí)行無法在讀寫頭這樣一個明確的位置發(fā)生，信息的路由過程，本身就在不停地改變整個大腦的狀態(tài)，這個過程中也在不停地發(fā)生寫動作，而經(jīng)過流轉(zhuǎn)導向最終到達肌肉時，也自然地完成了運動控制的工作。

那么圖靈機制中的控制器到底是過程呢？它是如何做到如此靈活的呢？

控制器我們認為他可以向外界發(fā)出任何指令，比如你可以隨意的控制肢體的運動，不一定非要依賴感覺驅(qū)動，感覺驅(qū)動機制在19世紀就被心理學家所拋棄了。控制器里有神秘的意識，這個機制是最后的秘密。我無法對意識給出任何科學的解釋，我的職責是如何設計控制器以實現(xiàn)以下目標：

1. 自由控制，自由意志的體現(xiàn)，包括抑制舊腦，對注意力的控制，比如一件事情做著做著，突然就不想做了。我認為完全真正的自由是不存在的，很多找不到外界狀態(tài)依賴的自由意志的表現(xiàn)其實是隨機的結(jié)果，大腦本身在各個層面都具有很強的隨機性。

2. 根據(jù)當前狀態(tài)、結(jié)合知識，做出被動控制。

3. 支持自由控制和被動控制的組合控制。

4. 可以在有限的范圍內(nèi)讀寫工作空間中的世界模型。

主觀體驗和意識并沒有列在這些目標里，因為我們并不知道，意識和主觀體驗是不是和顏色、三角結(jié)構(gòu)一樣只是可感知的完全不同的概念而已，這些概念可以幫助區(qū)分自我和外界，除此之外，我還不知道它如何從功能上幫助完成了智能任務，或者哪些智能任務的完成，必須需要這個東西。

被動機制

類似于計算機的被動指令執(zhí)行過程一樣，大腦的運轉(zhuǎn)需要這樣一個過程，首先我們要解決的是如何一步一步地執(zhí)行指令，如何處理棧，上下文，如何基于當前狀態(tài)，發(fā)出新的指令，如何基于認知進行推理，所有這些細節(jié)，都涉及圖靈機制的正常運轉(zhuǎn)。這里我們盡量先摒棄純主動意識形態(tài)的自由控制層面，僅討論不在主觀故意干預的情況下，一些算法類的任務如何有效運轉(zhuǎn)。

傳統(tǒng)計算機是按照程序執(zhí)行的，每條指令都可以改變整體狀態(tài)，同時讀取指令可以加載部分狀態(tài)，計算過程可以產(chǎn)生新的有特定目標的有意義的數(shù)據(jù)。馮諾依曼體系機構(gòu)的現(xiàn)代計算機的實現(xiàn)方式是利用程序計數(shù)器，指令執(zhí)行器的配合，在頻率發(fā)生器的驅(qū)動下，逐條執(zhí)行指令。

執(zhí)行指令的過程，又可細分為：取計數(shù)器的值，取指令、指令譯碼、執(zhí)行指令、結(jié)果寫回。

跳轉(zhuǎn)和循環(huán)的實現(xiàn)就是篡改計數(shù)器的值。

整個通用過程是一套邏輯電路搞定的。

所以指令序列是核心驅(qū)動過程，通用性體現(xiàn)在程序結(jié)構(gòu)中，可變性體現(xiàn)在內(nèi)存上。

到了大腦中這些東西突然變得似乎簡單了，因為讀寫似乎分離了，記憶和控制在持續(xù)進行，而記憶和控制指令的發(fā)出，可能來自于自主意識也可能來自于條件反射，也可能是主意識基于當前狀態(tài)和規(guī)則做出的決策指令。我們重點研究的就是最后一種。

這個過程有個核心緩環(huán)節(jié)就是查表，查表的結(jié)果又自主意識決定時機和節(jié)奏。就像我知道要這樣做的，但是被自主意識決定何時進行這個動作，比如唱歌時節(jié)奏的控制，可以慢著唱也可加快唱。

這個節(jié)奏控制是一個目標只是有些外界引發(fā)的目標有些是自主選擇的目標，比如老師讓你唱的再慢一點，那么節(jié)奏既作為目標，又作為編織因素，會與喚醒的序列進行組合編排，本質(zhì)是在一個符合目標的節(jié)奏上進行組合控制。

所以這里涉及兩個核心機制，一個是目標的保持，一個是查表征用。這已經(jīng)探究到意識最核心的機制問題，這個到底是潛在不可觀察的機制呢？用計算機屬于是這個內(nèi)核循環(huán)怎么寫？從并行的角度看，default network如何協(xié)同出這些機制來？

意圖或目標的產(chǎn)生我們可以認為受各種力量甚至隨機的綜合驅(qū)動而產(chǎn)生，有些是目標衍生目標。

總結(jié)

本文我們介紹了廣義圖靈機制，提出圖靈機制是大腦進化的結(jié)果，是廣義狀態(tài)機的進一步延伸，增加了注意力、符號化，使得神經(jīng)網(wǎng)絡可以完成計算任務。也提出圖靈機制的誕生，解決了時間上的組合解構(gòu)問題，從而配合特征不變性抽取一起完成了時空上的組合解構(gòu)問題。

值得注意的是，圖靈機制并不是大腦中的唯一智能元素，它是為了解決某類復雜問題，而引入的機制，它也和其他機制相互配合，一起來完成智能體需要完成的各類智能任務。

圖靈機制是大腦中的符號處理系統(tǒng)，我想圖靈的工作就是將我們腦中的這個能力，以形式化地表述出來了吧，是一個偉大的科學發(fā)現(xiàn)和總結(jié)。