但是这种固有的对未来的预言是线性的而非指数性的，线性预测这种特质源于大脑皮质中的线性组织。这使我们想到，大脑皮质在不断地预言——下面我们要看到什么词语，我们在拐角处想见到谁，等等。大脑皮质的每个部分都由线性组织构成，这说明我们不会自然而然地进行指数性的思考。小脑也会使用线性预测，如果我们要接一个飞过来的球，小脑帮助我们进行线性预测，我们就知道在视线范围内，球会落到何处，我们戴着手套的手应去哪里接球。
前面我已指出，线性和指数型的增长之间有很大的区别（线性的40是40，但是算成指数就是10亿）。这样就不难理解，为什么一开始我根据库兹韦尔定律作出预言时，旁观者都是一副骇然的态度。我们必须训练自己指数型地思考，因为对信息技术而言，这才是正确的思考方式。
库兹韦尔定律中的一个经典例子，就是性价比的平稳双重指数型增长。110年来，这种增长一直保持平稳，期间经历了两次世界大战，大萧条，美苏冷战，苏联解体，新中国成立，近期的金融危机，以及所有其他19世纪后期、20世纪和21世纪初发生的重大事件。有人用“摩尔定律”解释这种现象，这种观念是错误的。摩尔定律认为每隔两年你能将两倍多的元件置于同一个集成电路上，它们体积减小所以运转更快，而这其实只是众多范式中的一个。实际上，这是第五个，而不是第一个将指数增长带入性价比的范式。
计算的指数增长开始于19世纪90年代的美国人口普查（首次实现自动化），此次普查用到了电子机械运算的第一个范例，这比戈登·摩尔的出生都要早几十年。在《奇点临近》一书中，我提供了一张统计到2002年的表格，在本书中我将其更新到2009年（见图10—5）。这种平稳可预见的发展轨迹仍在继续，尽管最近经济不景气。
根据我们现有的数据，以及计算的广泛应用及其在彻底改革我们关心事物中的重要地位，计算可说是库兹韦尔定律最重要的应用。但这样的应用远远不止一个。一旦一种技术成为信息技术，它就得服从库兹韦尔定律。
生物医学
生物医学将成为采用此定律转型的最为重要的新型产业。早先，医药学取得进展依赖于偶然发现，所以那些进展是线性的，而非指数型的。即便如此，这种进展仍有诸多益处：人类预期寿命从1000年前的23岁，增加到200年前的37岁，再到今天的将近80岁。随着生命软件——基因组的汇集，药物与人体生物学已成为一项信息技术。从1990年项目开始直至今日，人类基因组计划本身呈完美的指数型增长，基因数据量在翻倍，每碱基对每年的成本预算也减少了一半（见图10—1和图10—2）。
现在我们能够在电脑上设计出生物医药的干预措施，并在生物模拟器上测试它们的反应。同时，生物模拟器的规模和精确度每年也在成倍上升。我们能够更新自己过时的程序：RNA干扰能够使基因失去活力，新型的基因疗法能把新的基因添加到个体身上，这里的个体并不仅限于新生儿，也包括成熟的个体。基因科技的进步也影响了大脑反向工程项目，其中的一个重要方面就是理解基因如何控制大脑运作，例如建立新的联系来反映新添的皮质信息。从基因组测序到基因组合成的发展过程中，其他很多现象可以证明生物与信息科技的结合。
信息传输
另一项信息技术也经历了平稳的指数型发展，那就是我们与他人沟通和传递人类知识库中海量信息的能力。有很多方法解释这个现象，其中，库伯定律（Cooper’s Law）认为，指定无线电频谱中无线通信的总比特容量每30个月翻一番。从1897年吉列尔莫·马可尼（Guglielmo Marconi）用无线电报传递莫尔斯电码，到今天4G通信技术的应用，这个定律都被认为是正确的。根据库伯定律，一个多世纪以来，在指定无线电频谱中传递的信息量每两年半就翻一番。再如，互联网上每秒比特的传递量每16个月就翻一番（见图10—3和图10—4）。
我之所以对预测未来科技的某些方面感兴趣，是因为30年前我意识到一个发明家（这是我5岁时从事的职业）成功的关键就是时机。大多数发明和发明家的失败，不是因为他们的装置不起作用，而是因为时机不对，他们要么太早，所有的条件还未成熟，要么太晚，错失机会之窗。
30多年前，我还是一名工程师，开始收集不同领域科技发挥功效的数据。开始做这些的时候，我并不指望一切都是清晰明朗的，但是，我还是希望能得到些指导，这样我就可以作出更有根据的猜想。我的目标至今依然是规划好时间，对技术进行探索，这样，当我完成我的项目时，这些探索会对世界科技的进步提供帮助。至于我的项目，我认为它会跟我当初开始研究时世界上已有的科技大不一样。
请仔细想想，最近这些年，我们的世界发生了怎样的变化？而这些变化又以怎样的速度席卷全球？几年前，人们还不知道如何使用社交网络（例如，Facebook成立于2004年，到2012年3月底，它每月有9.01亿活跃用户）、维基百科、博客，以及Twitter。20世纪90年代，大部分人都不用搜索引擎和移动电话。但现在我们无法想象没有这些东西的世界会是什么模样。看起来那似乎是一个很古远的年代，但其实，那就是世界不久前的模样。不久后的将来，世界还会发生更剧烈的变化。
在研究过程中，我得出一个惊人的发现：如果一门技术属于信息技术，那么它的性价比及生产力（单位时间、成本或其他资源）的基本考核，都会惊人地跟指数轨迹相契合。
这些轨迹甚至超越了它们引以为基础的具体范式（如摩尔定律）。但是当一种范式进入死角的时候（比如20世纪50年代，工程师们已经将真空管的体积降到最小，并将其成本减到最少），一种新范式就会应运而生，另一个S形的进展曲线就开始发挥作用。
接着，新范式的S形曲线中的指数部分继续对这门信息技术考核的指数进行更新。因此，20世纪50年代的真空管让位于20世纪60年代出现的三极管，然后，三极管又给60年代末期出现的集成电路和摩尔定律让路，代替与被代替一直这样延续着。同样，摩尔定律又被三维运算所取代，这样的例子早些时候就已经存在了。信息技术之所以能够如此不间断地超越各种范式的局限而不断前进，是因为计算、记忆或传递信息所需的资源非常少。
也许我们会发出疑问，不考虑范式的话，我们计算和传递信息的能力是否会受一些限制？基于我们当前对计算物理性的理解，答案是肯定的，确实有限制，但这些限制并没有完全束缚我们的能力。因此，在分子计算的基础上，我们的智力以万亿倍的趋势增长。据我推算，在20世纪末，我们会最终达到极限。
要注意的一点是，并不是所有的指数现象都属于库兹韦尔定律。很多观察家误解了库兹韦尔定律，他们引用那些并不属于信息范畴的指数趋势：例如，他们解释说，男人的剃须刀从单面变成双面，再变成四面，他们的疑问是，为什么没有八面的剃须刀？可是，剃须刀并不是（至少还没成为）一门信息技术。
在《奇点临近》一书中，我提供了一个理论测试，包括一个关于为什么库兹韦尔定律预测性强的数学解释。本质上说，我们会采用最新的技术去创造下一个新技术。从指数型的角度说，技术是依赖于它自身的，而这一点在涉及信息技术的时候尤其明显。我们采用1990年的计算机和其他工具创造出了1991年流行的计算机；2012年，我们使用最新的信息工具制造出2013年和2014年使用的机器。概括地说，库兹韦尔定律和指数增长适用于任何有信息模式参与的程序。因此，我们在生物进化过程中看到加速度，同样也在技术发展领域看到加速度（比生物领域快得多），加速度本身其实是生物进化的副产物。
现在，我手头上有25年前基于库兹韦尔定律的预测的公开记录，开头的那些预测来自我的《智能机器时代》一书，那本书写于20世纪80年代。书中精准预测的例子包括：20世纪90年代中后期，全球范围内出现巨大的网络通信潮流，全世界的人们都被连接到一起，知识信息也开始在全球流动；从分散式通信网络中衍生出民主化浪潮，正是这一浪潮让苏联走向解体；1998年，世界国际象棋冠军被超级电脑打败……这样的例子还有很多。
由于库兹韦尔定律可应用于计算，所以在《心灵机器时代》中，我经常说到它。在这本书中，我给出了一个世纪的数据，这些数据代表了直至1998年，计算的价值和性能呈双倍增长的过程。以下有更新至2009年的数据（见图10—5至图10—12）。
最近，我写了一个预测的总结，总共146页，这些总结都来自我写的书，《智能机器时代》、《心灵机器时代》及《奇点临近》。《心灵机器时代》一书涵盖上百个特定时期的预测（2009年，2019年，2029年和2099年）。例如，在写于1990年的《心灵机器时代》中，我对2009年作了147项预测。这其中，有115项（占78%）在2009年年底得到证实，特别是那些关于信息技术生产力、价值、性能的基本考核的预测，都逐一被证明是正确的。另外12项（8%）预测是“基本正确”的。所以，共有127项（86%）预测是正确或基本正确的。（因为是对一个既定的10年而作的预测，所以一个针对2009年的预测如果能在2010年或2011年实现，那么它也算“基本正确”。）另外17项（12%）则是部分正确，剩下的3项（2%）预测是错的。
实际上，显示为“错误”的预测不是全部都错了。例如，我判断我们有自动驾驶汽车这个预测是错误的，但谷歌已经展示了自动驾驶汽车，甚至在2010年10月，4辆无人驾驶电动面包车成功完成13000 千米从意大利去中国的路测。此领域的专家目前预测这些技术将在这个10年内进入消费市场。
大脑研究
在理解和再创造人类大脑研究方法的项目上，迅猛发展的计算和通信技术都发挥了重要作用。这不是一个单一的项目，而是由各式各样的项目组成的整体，包括从单个神经元到整个新皮质的大脑构造详细模型，连接体的映射（大脑中的神经连接），脑区模拟及其他。这些项目的规模一直都在成倍增长，书中提出的许多证据最近才可以利用，例如，第4章提到过2012年韦登研究显示了新皮质中非常有秩序的、 “简单”的（引用研究者的话）网格型连接。韦登研究组研究人员表示，他们的浏览器（和图像）只有在最新的高分辨率成像技术下才能显现。
脑扫描术在时空、分辨率上以指数型速度改进（见图10—13至图10—17）。人们正在寻求的脑扫描方式类型各异，从用于人体的完全非侵害方式到用于动物的更具侵害性和破坏性的方式。
磁共振成像（MRI），一种具有高时间分辨率的非侵害成像技术正在以指数型速度稳定发展，目前空间分辨率已经接近100微米（百万分之一米）。
以指数型速度发展的还有有害性成像，它用于收集动物大脑里的连接（所有神经元连接的映射）。目前，最大分辨率已接近4毫微米，足够观察单个连接。
人工智能技术，例如自然语言理解系统，并非为模仿大脑功能的理论原则而专门设计，而是为了达到最大效率。鉴于此，很明显，最后胜出的技术符合我在本书中列出的原则：有自我组织能力的层级识别器，它们有着固定的自我关联模式，能够对冗余和起伏作出预测。正如沃森所展示的那样，这些系统的规模也呈指数型增长。
理解大脑的一个基本目的是拓宽我们的技术工具箱，从而创造一个智能系统。尽管很多人工智能研究人员对此并未充分重视，但是我们在大脑开发原则上得出的新知已经深深地影响了他们。了解大脑能帮助我们逆转形形色色的脑功能障碍，当然，反向设计大脑这个项目还有另外一个重要目标：理解我们是谁。
11 反对的声音
如果机器能够证明自己与人类毫无差别，我们应该像尊重人类一样尊重它——我们得承认，它有一个大脑。
史蒂芬·哈勒德
我的库兹韦尔定律及其在人工智能上应用的论文引发的批判声此起彼伏，这些异议的理论基础是人类直觉的线性本质。正如我之前所描述的，大脑皮质中数亿个模式识别器一个个连续地处理信息，这种组织结构给我们的一个启示是，我们对未来怀有线性期待。所以评论家们将他们的线性直觉应用于那些有基本指数特征的信息现象中。
“奇点遥远”论
我将各种各样反对的声音称为“源自怀疑的批判”，因为我们的线性偏好，指数推测看起来不太可靠。近来，微软共同创始人保罗·艾伦（Paul Allen）和他的同事马克·格里夫斯（Mark Greaves）在《技术评论》杂志（Technology Review）上发表了题为《奇点依旧遥远》（The Singularity Isn’t Near）的文章。在文章中，他们明确地表示了对指数推测的不信任。在此我想针对艾伦的独特评论作出回应，这些批评代表了一系列对我的论点持怀疑态度的声音，尤其是关于大脑的那部分。尽管艾伦在他的文章中参考了《奇点临近》，但他文中仅有的引证来自我2001年所写的论文《库兹韦尔定律》（The Law of Accelerating Returns）。此外，他的文章并没有承认或者回应我在书中所做的论证。遗憾的是，对我作品持批评态度的人都是这个样子。
自1999年《心灵机器时代》一书出版，到2001年那篇论文发表，我的很多观点激起了很多批评的声音，诸如：摩尔定律就要失效；硬件性能会指数型扩张而软件则会进入瓶颈期；大脑构造太复杂；大脑的一些性能是固有的，不能被软件复制，等等。其实，我写《奇点临近》的一个原因就是为了回应这些评论。
我不能说，艾伦和其他观点相似的评论家们已经信服于我文中的观点，但是至少，他和其他人能够对我实际所写有所回应。艾伦认为“库兹韦尔定律……不是物理定律”。我要指出的是，绝大多数科学定律都不是物理定律，而是源于低层次上多数事件的突出特征。一个典型的例子是热力学定律。如果你观察热力学定律下的数学应用，你会发现它是在毫无规律地给粒子建模，就像一个人漫无目的地转悠，所以很明显，我们不能预测一个特定粒子下一秒会出现在哪里。然而，根据热力学定律，气体的整体情况是可以进行精准预测的。库兹韦尔定律跟热力学定律是一个道理：每个技术方案与研发者是不可预测的，但是，用性价比及生产力这些基本考核进行量化，整体轨迹总是按照一条明晰的可预测的路径发展。
如果只有少数研究者痴迷计算机技术，那它的确是不可预知的。但是性价比的基本考核确实是有竞争能力项目的动能系统的产物，比如每秒每定值美元成本下，计算都呈一个非常平稳的指数趋势， 1890年的美国人口普查就已经显现出这一点，我在第10章曾提到过。在《奇点临近》一书中，库兹韦尔定律的理论基础得到广泛体现，最有力的例子是就是我和其他人所呈现的大量实验证据。
艾伦写道：“人们一直使用那些规律直至它们被淘汰。”他说这句话，其实是把范式跟信息技术基本领域不间断的轨迹混为一谈。如果我们回过头去检查，比如，制造更小真空管的趋势——20世纪50年代改进计算的范式，这一范式的确是被用到淘汰。但随着这种范式终结命运的清晰显现，下一种范式的研究压力就增加了。晶体管技术保持着计算价格与性能上指数增长的基本趋势，这种趋势促使第五范式（摩尔定律）诞生，也使得集成电路的产品特征受到持续压缩。已经有很多人预言摩尔定律终将走向灭亡。半导体产业的“国际半导体技术发展路线图”计划在21世纪20年代生产7纳米特征的半导体。到那时，最引人注目的特征，将会是这种半导体的宽度——35碳原子，而且，这个宽度很难进一步压缩了。然而，英特尔与其他芯片制造商已经在第六范式上先人一步，他们采用三维计算来继续保持性能价格上的指数增长。英特尔计划让三维芯片在10年内成为主流，这之前，三维晶体管，3D记忆芯片已经面世。在计算性能价格方面，第六范式将会保持库兹韦尔定律运作直到21世纪末，到那时，价值1000美元的运算将会比人类大脑强大万亿倍。（这样看来，至少，在功能性地模拟人类大脑需要何种的程度运算这一问题上，艾伦与我达成了共识。）
接着，艾伦继续阐述标准参数，论证软件不会像硬件一样呈指数级增长。在《奇点临近》中，我最后还是对这一问题进行了解释，我论证了在软件中用不同方法测量复杂度和性能时会得出相似的指数级增长。一则最近的研究（由总统科技顾问委员会委员所写的《给总统与国会的报告，设计数字化未来：联邦政府资助下有关网络与信息技术的研究与发展》）陈述如下：
在诸多领域，运算的进步带来的性能增益已经大大超过依靠处理器加速，这一点激动人心，但是能够理解的人却很少。今天我们用于语音识别、自然语言翻译、下象棋、物流规划等的运算在过去的10年间，已经取得显著发展……柏林康拉德信息技术中心的教授，最优化方面的专家格罗斯彻（Grstschel），提供了这样一个例子：他观察到，在1988年，通过当时的计算与线性运算法则，采用线性程序进行计划模型解决的标准化生产要花82年。15年以后，也就是2003年，同样的模型在大概一分钟内就能解决，效率几乎提高了4300万倍。在这个过程中，效率提高1000倍是由于处理器的速度提高了，而提高43000倍则是依靠运算法则的改善！格罗斯彻还引用了一个运算例子，1991—2008年，这个运算将混合整数规划程序效率提高了30000倍。运算的设计分析及固有的计算复杂性问题研究都是计算机科学的基础分支。
需要注意的是，上文格罗斯彻所引述的线性程序已经从43000000∶1的比例中受益，这一程序是一门数学技术，适用于在层级记忆系统中分配资源，如我早些时候提到过的隐马尔可夫层级模型。在《奇点临近》中我还引用了许多其他类似的例子。
至于人工智能，艾伦毫不犹豫地否定了IBM的沃森巨型计算机系统，其他很多批评家也持相同意见。但可笑的是，他们中很多人对这个系统一无所知，认为它不过是一款在计算机上运行的软件（虽然这种计算机可并行计算及配备了720个处理器内核）。艾伦写道，沃森这类系统“可塑造性差，性能严重受到内在假设和确定算法的制约，它们没有归纳能力，还经常给出专业领域之外的毫无意义的回答”。
首先，我们可以对人类做一个类似的调查，同时我还想指出的是，沃森系统的“专业领域”包括维基百科及其他一些知识库，它们很少会聚焦到某个具体的知识点。沃森系统能够处理大量的人类知识，也能够处理微小的语言形式，如人类活动领域范围内的双关语、暗喻、明喻等。它并不完美，人类也是一样，但它胜过了《危险边缘》节目里最优秀的选手。
艾伦辩解说，沃森系统是由科学家们亲自装配的，他们将各专业领域的精密知识连接起来运用到这个系统上，这个说法是完全错误的。虽然其中几个领域的数据是直接编写的，但绝大部分的知识还是通过它自己阅读诸如维基百科等自然语言文件获得的。这一点也正是它的关键优势，就像它能够理解《危险边缘》中那些题目费解的语言一样（它通过搜索问题寻找答案）。
正如我早前提到过的，很多人批评沃森系统采用统计概率工作，而不是基于“真正的”理解。许多读者将此理解为，沃森系统只是通过字词的排序进行统计。“统计信息”一词对该系统而言，实际上指自组织方法中的分配参数和符号链接，如隐马尔可夫层级模型。个体能轻而易举地将大脑皮质中分散的神经递质浓度和多余的连接模式一并去除，同样也能毫不费力地抹掉“统计信息”。事实上，我们解决语义模糊的方式和沃森系统如出一辙——通过考虑一个词语不同解释之间的相似性。
艾伦接着在论文中这样写道：“数百万年间，（大脑中的）每一个结构都已经被精确定型，然后完成自己的使命，无论这使命是什么。它不像电脑那样，几种不同元素构成中央处理器（CPU），中央处理器又去控制上亿个有序存储的毫无差别的三极管。在大脑中，每一个结构和神经回路都因为进化和环境因素而得以完善。”
大脑中每一个结构和神经回路都是独一无二的，因此设计大脑可说是天方夜谭，因为这意味着大脑的蓝图需要万亿兆比特的信息。大脑的结构图（正如身体其他部分的结构图一样）存在于基因组中，因此大脑自身不可能包含比基因组还多的设计信息。要注意，表观遗传[14]信息（如控制基因表现形式的肽）并没有明显增加基因组信息量。经历和学习的确显著地增加了 大脑的信息量，但这也适用于沃森一类的人工智能系统。我在《奇点临近》 中展示过，无损压缩（由于基因组中的大量冗余）后，基因组中的设计信息数据量大约是5000万比特，约是大脑设计信息的两倍，也就是说，大脑的设计信息数据量约为2500万比特。那并不容易，但其复杂性仍在我们能够解决的范围之内，而且与现代社会的其他软件系统相比，它根本不算什么。此外，大脑的2500万比特基因设计信息很多与神经元的生物要求有关，而非它们的信息处理算法。
我们怎样从仅仅几千万比特的设计信息中得出同一类型的100万亿~1000万亿的连接呢？很明显，通过大量冗余。德尔门德拉·穆德哈（Dharmendra Modha，IBM研究中心认知操作部门的管理者）写道：“神经解剖学家还没有发现胡乱连接在一起的网络，对大脑中的个体而言，这一系统完全是异类，但是个体大脑中有很多重复的结构和跨物种的同源性……这种天然的重构性一方面让我们惊奇，另一方面则给我们以希望，即脑神经运算的核心运算有望独立于特异感应器及电机模型，而且脑区皮质结构中所观察到的变体意味着规约线路的完善；而我们正想用这个规约线路进行逆向工程。”
艾伦认为，有一种“固有的复杂制动系统牵制着人类理解大脑和复制其的能力”，他的这一论点基于这样一个假设，大脑中的100万亿~1000万亿的连接真实存在。他的“复杂制动系统”本末倒置了。如果你想理解、模拟或再创造一个胰腺，你并不需要对胰腺中的每个细胞进行再创造或模拟。你只需要理解一个胰岛细胞，然后将其在胰岛中的基本功能提取出来，最后将其功能扩大到更多的同类细胞中。现在已经有这种功能模型的人工胰岛素进行测试了。虽然，比起胰腺中那些大量重复的胰岛素，大脑显得更复杂，变量更多，但是，正如我在书中反复提到的，它们的功能存在很多重合的地方。
艾伦的批评中也明确提到了我说过的“科学家的悲观”。为新一代技术或为一个科学领域建造模型苦心钻研的科学家们，无一例外地都在与这种悲观情绪作斗争，所以如果有人能对未来10代科技的面貌说出个究竟，他们将嗤之以鼻。集成电路领域的一位先驱使我想起30年前，他们为了将10微米（10000纳米）的最小配线幅度减少到5微米（5000纳米）而苦苦挣扎的情形。对达到这个目标，他们有一些信心。但是当人们预测，未来某天我们能将电子线路的最小配线幅度降到1微米（1000纳米）以下的时候，他们守着自己的目标，觉得人们的想法太天真。有人指出，如若最小配线幅度降到1微米以下，由于热力影响及其他因素影响，电子线路就会脆弱不堪。但如今，英特尔公司已经开始启用栅长仅为22纳米的芯片。
在人类基因计划上，我们也曾感受到了一些相似的悲观情绪。当我们在那个计划上努力了15年的时候，我们只收集到了1%的基因组。批评家们都提出一些限制基因快速排序的因素，而且是在不破坏微小基因结构的前提下。幸好有了性能价格的指数增长，这个计划7年之后就大功告成，针对人脑的逆向工程也取得了相似进展。比如，直到最近，我们才在实时情况下，通过非侵害性扫描技术，看到每个神经元连接形成和稳固的过程。我在这本书中引述的很多证据也都是基于这些进步，但是直到最近，这些证据才得到证实。
艾伦描述我的人脑逆向工程的时候，认为它就是扫描人脑，然后理解它精密的构造，而后在没有充分理解信息加工方法的情况下，将大脑整个“颠倒过来”进行模拟。这并不是我的议题，虽然我们确实需要了解单个神经细胞工作的细节，然后将功能模块是怎样相互连接的信息收集起来。源于此种分析的功能方法能够指导智能系统不断发展。大体上，我们寻找的是受到生物学启发的，能加速人工智能工作的方法，虽然我们没有在大脑如何发挥相似功能上有重大发现，人工智能项目仍然取得不小进展。就以我的研究领域——语音识别为例，我清楚地知道，如果我们在大脑是如何合成并转换语音信息上取得进展，我们的工作进度将会得到很大提高。
大脑中大量的冗余结构由于学习和经历的不同而各异。人工智能体系当前的工艺实际上使其能够从自身的经历中得到学习。谷歌自动驾驶汽车有两个学习对象，一是从以前自身的驾驶经验学习，二是从人类驾驶汽车的经验中学习；沃森系统的大部分知识都源于阅读自身已有的东西。有一点很有趣，人工智能系统目前采用的方法已大大改进，而其方法在数学原理上跟大脑皮质中的运行机制很相像。
“量子计算能力缺失”论
对“强人工智能”（针对人类及人以外对象的人工智能）可行性的另一个反对声音是，人类大脑能广泛运用模拟计算，而数字方法固有的弱点是不能对类比法所具有的价值层级进行复制。单比特确实能够随意使用，但是多比特文字更能代表多层次渐变，而且能满足任何程度的精确度，当然，只有数字电脑才能做到这一点。实际上，大脑中模拟信息的准确度在256个阶位中只占一个阶位，而这256个阶位可以用8比特表示。
在第9章中，我引用了罗杰斯·彭罗斯和斯图亚特·哈梅罗夫关于微管和量化计算的反对意见，他们声称脑神经中的微管结构在做量子计算，由于这在计算机上是无法实现的事，而人脑跟电脑区别很大，所以它可能比计算机做得更好。如我早先解释过的，没有确切的证据证明神经微管在做量子计算。实际上，量子计算机能漂亮解决的问题（比如给一个大数字做因素运算），人们通常都做得很糟糕。如果这其中任何一项得到确证，那么量子计算机或许也能被用到我们的计算机当中来。
“无意识”论
约翰·赛尔曾引进一个名为“中文屋”的思想实验，他也因此声名大噪。在《奇点临近》一书中我曾对此进行过详细讨论。简单来说，这个实验是关于一个人拿到一些中文的问题然后对其进行解答。为了完成这些答案，他使用了一本详尽的中文使用手册。赛尔声称，虽然这个人能够用中文回答这些问题，但他并没有真正理解中文，对中文这门语言也毫无头绪（因为他不懂问题也不懂答案）。赛尔以此类比计算机，盖棺定论地说，虽然计算机能像实验中的人一样回答这些中文问题（基本通过中文图灵测试），但它跟这个人一样，并没有真正理解中文，也不清楚自己在做什么事情。
在赛尔的论点中，他采用了哲学上的花哨手法，一方面，思想实验中的人最多只能算是计算机中的中央处理器。人们可以说中央处理器对它正在做的事情毫无知觉，但中央处理器只是这个结构的一部分。在赛尔的实验中，那个带着中文使用手册的男人构成了一个完整的系统，这个系统对中文是有所了解的，否则，他是不会被说服去参与这个实验，然后回答中文问题的。
赛尔的观点吸引人是因为，今天我们很难去推论计算机程序是否有真正的理解或意识。而他论点的问题在于，你可以将其推理的内容运用到人类大脑上。每个新皮质模式识别器——每个脑神经和每个神经元部件，都遵循特定的运算（毕竟，它们都是遵循自然法则的分子机制）。如果我们断定，符合某个运算法则跟真正的理解和意识是相悖的，那么我们也可以说，人类大脑也不具备这些品质。你可以接受赛尔的实验，然后将“操控神经元连接和连接强度”改为“操控符号”，然后，你就得到你能信服的观点，即大脑并不真正理解某件事。
另一个论点是关于自然的本质，在很多观察家眼中，这是一个很神圣的话题。比如，新西兰生物学家迈克尔·丹顿（Michael Denton）认识到机器设计原则跟生物学的某些原则有着巨大的不同。丹顿写道，自然实体具有“自我组织性……自我参考性……自我复制性……交互作用性……自我塑造性……以及整体性”。他说，生物形式只能从生物过程中创造，因此这些形式也是“稳定不变……无穿透性……而且是最根本的”真实存在，跟机械比起来，它们是一个不同的哲学门类。
正如我们所看到的，事实上，人们也可以运用这些原则设计机器。了解大自然最具智慧的设计范式——人类大脑，正是大脑逆向工程项目的目的。丹顿说生物系统是一个完整的整体，这一观点不太正确，同样，认为机器应该是完整的模块的观点也不尽正确。我们已经对自然系统中的功能单位进行了清晰的层级划分，尤其是大脑，对人工智能，我们也使用了类似的方法。
在我看来，若计算机不能顺利通过图灵测试，那些批评家们就不会罢休。但即使如此，这道门槛也并不清晰。毫无疑问，对于流行的图灵测试是否真实有效，很多人都有争议。也许我也是这些批评家队伍中的一员，和他们一样，对早先的论据嗤之以鼻。当关于计算机通过图灵测试有效性的争论真正风平浪静时，计算机或许已经远远超过未曾被增强的人类智慧。
这里我强调的词是“未曾被增强的”，因为“智慧得到增强”正是我们能创造出这些“思维小孩”（汉斯·莫拉维克对它们的称呼）的原因，将人类层面的认知模式和计算机固有的速度和精确度结合起来，得到的将是无穷的威力。但这并不是火星上的智能机器进行的一场外星人入侵——我们创造这些工具，是为了让自己更有智慧。我相信，大部分观察家会同意我的这个观点，即人类的独一无二之处在于：我们制造工具，而工具让我们走得更远。
拥抱“奇点”
情况很不妙，先生们……全球气候正在变化，哺乳动物要掌权了，而我们的大脑只有核桃大小。
盖瑞·拉尔森，《月亮背面》
智力可被定义为利用有限的资源解决问题的能力，在这些有限的资源中，时间是至关重要的一种因素。因此，就像寻找食物或躲避捕食者一样，如果你越能迅速地解决问题，就证明你的智力越高。智力之所以能发展进化，是因为其有益于人类的生存——这是显而易见的，但并非所有人都认同这一观点。以人类这一物种为例，智力不仅使我们得以主宰这个星球，也逐渐改善了我们的生活质量。同样，并非每个人都认可后一种观点，因为，如今人们普遍认为他们的生活质量每况愈下。例如，2011年5月4日公布的一项盖洛普民意调查显示，只有“44%的美国人认为，如今的年轻人会比他们的父母生活得更好”。
让我们来总结一下大体的发展趋势。经过1000多年的进化，不仅人类的平均寿命翻了两番（仅仅在过去的200多年间就翻了一番），人均国内生产总值（以当期不变美元货币计算）也从1800年的数百美元增长至如今的数千美元，发达国家的这一趋势更加明显。一个世纪前，民主国家屈指可数，而如今，民主国家随处可见。如果要从历史的角度来审视人类的发展变化，推荐你阅读托马斯·霍布斯（Thomas Hobbes）的著作《利维坦》（Leviathan）[15]。在那本书中，托马斯认为“人类的生活”是“孤独、贫乏、肮脏、野蛮和短暂的”。如果你想了解现代人的观点，推荐你阅读最近出版的一本书——《富足》（Abundance）①，这本书是由X大奖创始人（也是奇点大学的联合创始人）彼得·戴曼蒂斯（Peter Diamandis）和科普作家史蒂芬·科特勒（Steven Kotler）合著的，这本书从多个角度对现今人们生活质量的稳步改善进行了记录。还有史蒂芬·平克最近写的一本书《人性的善良面：为什么暴力事件减少了》（The Better Angels of Our Nature），书中用了大量笔墨来描述各族和各国人民之间和平关系的稳步发展。美国律师、企业家和作家马丁·罗特布拉特（Matin Rothblati）还就民权的改善做了大量记录，例如，他曾指出，同性婚姻是如何在几十年内从世界各国普遍不予认可发展到目前被许多国家接受。
人们普遍认为人类的生活质量正每况愈下，主要是因为我们获取世界信息的能力正在逐步改善。如果现在某个地方发生了战争，我们几乎能身临其境地体会到战争的情景。在第二次世界大战期间，成千上万的人在战斗中死亡，但公众能够看到这个消息，也是在几周后在电影院观看到的战争纪录片中。在第一次世界大战期间，只有一小部分精英人物能在报纸上看到战争的进展状况（报纸中还没有图片）。在19世纪期间，几乎没有人能阅读到近期发生的新闻。
作为一种拥有智商的物种，人类所取得的进步主要反映在知识的进化中，其中包括人类的技术和文化。人类的各种技术正日益发展成为信息技术，实际上，信息技术还在继续呈指数级发展。正是通过这样的技术，我们才有能力解决人类所面临的重大挑战，如维持健康的环境，为不断增长的人口提供资源（包括能源、食品和水），战胜疾病，大大延长人类的寿命及消除贫困。只有通过智能技术来扩展自己，我们才能够处理复杂的事情，以应对这些挑战。
作为智能入侵的先锋，这些技术并不能和我们竞争并最终取代我们。自从我们捡起一根棍子去够更高的树枝起，我们就已经通过工具扩展了自身。不管是从身体上，还是精神上来说，我们都得到了扩展。如今，我们只需从口袋中掏出设备，按下几个按键，就可以访问大部分人类知识库，在几十年前，这还只是观察家们想象中的事情。现在，我口袋中的“手机”（之所以用引号，是因为其功能远非一个手机可比）的价格只是我在麻省理工学院上学期间所有学生和教授用的电脑的百万分之一，但是功能要强大几千倍。在过去的40年间，手机的性价比增长了数十亿倍，在未来的25年，我们还会再次见证这样一种逐步升级，到那时，一个血细胞就能容纳过去一栋建筑物中所用的物品，以及现在你口袋中所装的物品。
通过这种方式，我们与不断发明中的智能技术融为一体。我们血液中的智能纳米机器人会保护我们的细胞和分子，进而维持我们的健康状况。这种纳米机器人还会通过毛细血管进入我们的大脑，并与我们的生物神经元互动，直接扩展我们的智力。这并不是很遥远的事情。人类已经发明了血细胞大小的设备，这种设备可以治疗动物的I型糖尿病或检测并破坏血液中的癌细胞。基于库兹韦尔定律，在未来的30年间，这些技术的功能会比现在强大十亿倍。
我认为我使用的设备，以及与这些设备有关的云计算资源都是自我的扩展，如果关闭这些大脑扩展设备，我就会感觉缺少点儿什么。这就是为什么2012年1月18日，谷歌、维基百科及其他网站相继关闭网页，抗议《禁止网络盗版法案》（Stop Online Piracy Act）那一天会产生如此大的影响：我觉得大脑的某一部分好像罢工了（虽然我和其他人还是找到了其他方法来访问这些在线资源）。这一法案（本来批准好像已志在必得了）立即被否决的同时，也彰显了这些网站的政治权利。但更重要的是，这一事件表明我们已经将我们的部分思维外包给云了。可以说，云已经成为我们思维的一部分了。一旦我们的大脑产生了智能非生物智力，这种扩展（以及与之相关的云）能力将继续成倍增长。
我们通过大脑逆向工程创造的智力可以获取自己的源代码，并迅速以一种加速迭代设计周期的方式进行改善。虽然人类生物大脑的可塑性很强，但正如我们所看到的，人类大脑是一个相对固定的结构，不能接受重大的修改，而且其容量也有限。我们无法将人脑中的3亿多个图样识别器增加至4亿个，除非我们通过非生物途径。一旦实现了这一点，我们就不会停留在某一特定的能力水平。我们还可以增加十亿个图样识别器，或1万亿个。
量的提升实现了质的飞跃。智人最重要的进化是量化的：智人额头更大，可以容纳更多的大脑皮质。脑容量的增大使这个新物种能够站在更高的概念水平上思考，从而建立不同的艺术和科学。当我们在为非生物体添加更多的大脑皮质时，我们可以想象得到，这些非生物体的定性抽象层次也会越来越高。
1965年，阿兰·图灵的同事英国数学家艾尔文·高德（Irvin J. Good）曾写道：“第一台超级智能机器人是人类最不应该发明的东西。”他认为智能机器人会超越“人类的智力活动，不管人类有多么聪明”，他得出的结论是：“既然机器人的设计是人类智能活动的一种产物，那么超级智能机器人也会设计出更好的机器人；那么毫无疑问，人工智能会导致‘智能爆炸’”。
生物进化所需的最后一项发明（大脑皮质）不可避免地会导致人类所需的最后一项发明（真正的智能机器人），一种设计会激发另一种设计的产生。生物正在不断进化，但是技术演进的速度要快上100万倍。根据库兹韦尔定律，21世纪末，基于适用于计算的物理定律，我们将能够创造出无极限计算。我们将这种物质和能量称为“计算介质”，这种计算介质远比人脑的功能强大得多。它不仅是一种原始的计算，同时也注入了由所有人机知识构成的智能计算。随着时间的推移，我们将能把这种存在于这个微型星系一角，适用于计算的质量和能量进行转换。为了继续库兹韦尔定律，我们需要将其传播至这一星系的其他部分，甚至传播至整个宇宙。
如果光速是有限的，考虑到离地球最近的恒星距离地球约4光年，那么开拓整个宇宙将需要花费很长一段时间。如果我们能用一些微妙的手段来规避这个限制，我们就能做到这一点，因为我们有足够的智慧和技术。欧洲研究人员发现了这样一种现象：中微子从瑞士和法国边境的欧洲核子研究中心（CERN）起跑，被730公里以外意大利中部的格兰·萨索实验室接收，结果，中微子超过光速到达目的地，如果证实确实如此，这也解释了为什么这种现象具有重大的意义。这种现象似乎只是一场虚惊，但规避这种限制的可能性还是存在的。如果空间中还存在其他未知的维度，我们就可以通过其他维度抄近路抵达遥远的地方，根本不需要超越光速。无论我们是否能够超越光速或以任何其他方式规避光速的限制，在22世纪伊始，这对人机文明来说，都将是一个关键的战略问题。
