点击“查看照片”，认识世界上最先进的类人先驱：一个有声带的机器人、一个绘制地图的赛格威（Segway）等等。想从雷·库兹韦尔（Ray Kurzweil）那里听到更多关于他富有远见的预测，请订阅《大众科学》（PopSci）播客（说明如下）。
人类的经历以拒绝服从限制为标志。我们已经逃离了地面，我们已经逃离了地球，现在，经过数千年的努力，我们制造能够模仿我们自身外貌、动作和智能的机器的追求，正将我们引向一个我们将摆脱所有最基本束缚的时刻：我们的身体和我们的思想。一旦这一时刻到来——一旦技术变革的加速步伐使我们能够制造不仅能与人类智能媲美，甚至超越人类智能的机器——我们将看到赛博格（cyborgs）（像《六百万美元男人》那样经过机器增强的人类）、仿生人（androids）（像《星际迷航》中的数据那样的人机混合体）以及我们甚至无法想象的其他组合。
尽管古希腊人是最早制造能够模仿人类智能和自然运动的机器的人之一（受希腊人关于人类智能也可能受自然法则支配的思考的启发），但这些努力在欧洲文艺复兴时期蓬勃发展，并催生了第一批具有逼真动作的仿生人。其中包括意大利发明家詹内洛·托里亚诺（Gianello Torriano）于1540年制造的弹奏曼陀林的女士。1772年，瑞士钟表匠皮埃尔·雅凯-德罗（Pierre Jacquet-Droz）制造了一个名叫“L´crivain”（作家）的沉思的孩子，他可以用笔写段落。L´crivain的“大脑”是一个机械计算机，即使以今天的标准来看，其复杂性也令人印象深刻。
这些发明导致科学家和哲学家推测，人类大脑本身就是一个精密的自动机。威廉·莱布尼茨（Wilhelm Leibniz），牛顿（Isaac Newton）的同时代人，在1700年左右写道：“如果这些理论是真的，而我们被神奇地缩小并放入某人的大脑中，当他在思考时。我们会看到所有的泵、活塞、齿轮和杠杆在运转，我们将能够用机械术语完全描述它们的工作原理，从而完全描述大脑的思维过程。但那个描述中不会包含任何关于思维的提及！它只会包含泵、活塞、杠杆的描述！”
莱布尼茨的说法是有道理的。我们的大脑中确实存在着泵、活塞和杠杆——我们现在将它们识别为神经递质、离子通道以及神经机器的其他分子成分。尽管我们还不完全了解这些小机器如何产生思想，但我们的无知不会持续太久。
“**机器人**”一词的起源可以追溯到近一个世纪前。捷克剧作家卡雷尔·恰佩克（Karel Capek）在他的1921年戏剧《罗素姆的万能机器人》（R.U.R. - Rossum's Universal Robots）中首次使用了这个词，它源自捷克语的“robota”，意为强制劳动。在这部戏剧中，他描述了旨在作为人类创造者仆人的智能生物机械机器的发明。尽管他的机器人缺乏魅力和善意，但它们却集成了机器智能的所有要素：视觉、触觉、模式识别、决策、世界知识、精细的运动协调，甚至还有一定的常识。
恰佩克意图让他的智能机器因其完美而邪恶，它们完美的理性对人类的弱点不屑一顾。这些机器人最终反抗了它们的主人，并消灭了全人类，这是一种反乌托邦的设想，此后在许多科幻作品中都有回响。
机器智能奴役其创造者的幽灵继续在公众意识中留下了深刻的印象。但更重要的是，恰佩克的机器人引入了机器人作为人类的模仿或替代品的概念。这个想法在20世纪不断得到强化，从罗茜（Rosie）到C-3PO和终结者（Terminator），仿生人在小说和电影中吸引了大众的想象力。
然而，第一代现代机器人与这些拟人化的设想相去甚远，大多数机器人制造者也没有尝试模仿人类。1960年代流行的装配线机器人Unimate，只能将其一只手臂向多个方向移动，并完成夹取的动作。如今，有超过200万台Roomba机器人四处奔忙，执行一项曾由人类完成的任务（吸尘），但它们看起来更像快速的乌龟，而不是女佣。大多数机器人将继续是用于执行特定任务的功利性设备。但是，当我们想到“机器人”这个词时，恰佩克一个世纪前创造的“按照我们自己的形象制造的机器”的概念仍然主导着我们的想象，并激励着我们的目标。
要收听雷·库兹韦尔的采访，请查看《大众科学》播客（PopSci Podcast）第15集。通过iTunes或RSS订阅，或使用下面的链接直接下载MP3。
建造具有人类水平的仿生人的**愿望**可以被视为人工智能的终极挑战。要做到这一点，我们不仅需要理解人类的认知，还需要理解我们的身体技能——毕竟，这是大脑功能的一个关键部分。在复杂的环境中协调意图与运动，很大程度上是小脑的职责，小脑包含了大脑中一半以上的神经元。而身体本身也代表了我们的大部分复杂性：人类基因组（它描述了人体）中包含的信息量比大脑的设计还要多。
我们在理解大脑如何工作方面取得了巨大的进步。所有类型的信息技术，无论是电子的还是生物的，其性能/价格比、容量和带宽每年都在翻倍。我将这种普遍存在的现象称为“加速回报定律”。我们对生物学的理解也在以加速的步伐前进，同样每年都在呈指数级增长。例如，科学家花了五年时间才能够测序HIV，但SARS病毒仅用了31天。自1990年人类基因组计划开始以来，已测序的基因组数据量每年翻一番，每对碱基的成本每年也减半，从1990年的10美元降至今天的约一美分。我们在理解基因组如何以蛋白质表达以及理解各种生物机制的工作原理方面取得了可比的进步。事实上，我们正在增强和重塑人类身体的几乎每一个器官和系统：心脏、胰腺、关节和肌肉。
同样的发展也适用于
我们对人脑的认知。
脑部扫描的三维分辨率呈指数级增长，最新一代
扫描仪可以实时成像单个神经元连接的放电。科学家们收集到的关于大脑的数据量也在逐年增加。他们正在通过将这些信息转化为大脑区域的模型和模拟来理解它们，其中已有大约二十几个完成了。IBM最近也开始了一项雄心勃勃的努力，旨在以惊人的细节模拟大脑皮质的大部分。
如果我们想重现人脑的能力，我们首先需要理解它的复杂程度。有1000亿个神经元，每个神经元都有数千个连接，每个连接大约包含1000个神经通路。我估计，要描述一个成熟大脑的状态所需的信息量为数万万亿字节：极其复杂。
但是大脑的设计
比这简单十亿倍。我们
怎么知道？人类大脑——以及身体——的设计就存储在基因组中，而基因组本身的信息量并不大。人类基因组中有
30亿个DNA碱基对：60亿位，或8亿字节。然而，它充满了冗余；一个名为ALU的长序列重复了30万次。由于我们知道基因组的结构，我们可以将其信息压缩到仅3000万到1亿字节，这比Microsoft Word的代码还要小。其中大约一半包含了人脑的设计。
大脑可以用1500万到5000万字节来描述，因为它的大部分连接在出生时是随机的。例如，小脑中数万亿的连接仅由少数基因描述。这意味着婴儿大脑中小脑的大部分连接是混乱的。然而，该系统被设计成能够自我组织，因此，随着孩子学习行走、说话和接住飞球，小脑会充满有意义的信息。
我的观点不是说大脑很简单，而是说它的设计是一个我们可以理解和管理的复杂程度。通过将加速回报定律应用于分析大脑复杂性的问题，我们可以合理地预测，在大约20年后，将会有关于人脑所有几百个区域的详尽模型和模拟。
一旦我们理解了思维是如何运作的，我们就能将这些原理的详细描述编程到价格低廉的计算机中，这些计算机到2020年代后期将比人脑强大数千倍——这是加速回报定律的又一个结果。因此，到2029年，我们将同时拥有硬件和软件来实现机器中的人类水平智能。届时，我们还将能够以极高的精度制造完全像人类一样的仿生人，并将血液细胞大小的机器人送入我们的身体和大脑，从内部保持我们的健康，并增强我们的智力。当我们成功制造出这样的机器时，我们自己也将成为部分机器。换句话说，我们将最终超越我们长期以来认为是终极限制的东西：我们的身体和思想。
发明家兼未来学家雷·库兹韦尔（Ray Kurzweil）是五本书的作者，其中最新一本是《奇点临近：人类超越生物学之时》（The Singularity Is Near: When Humans Transcend Biology）。
要收听雷·库兹韦尔的采访，请查看《大众科学》播客（PopSci Podcast）第15集。通过iTunes或RSS订阅，或使用下面的链接直接下载MP3。
