我們習(xí)慣了用“存儲”和“計算”來理解智能：數(shù)據(jù)存在硬盤里，CPU 執(zhí)行指令。但大腦顯然不這么工作——你背書幾十遍不是把文字復(fù)制到某個“記憶區(qū)”，而是讓相關(guān)神經(jīng)元更容易被喚醒；你脫口而出的“6”不是因為查表，而是因為周圍無處不在的暗示已經(jīng)悄然改變了神經(jīng)元的閾值。

這篇文章試圖剝離馮·諾依曼體系的影子，從零構(gòu)建一個基于**脈沖晶胞陣列**的計算模型，重新解釋記憶、思考、創(chuàng)造力和潛意識。全部觀點來自我們長時間的思辨，希望為你打開一扇新的門。

一、記憶：不是存儲，而是“易化”

傳統(tǒng)觀點：記憶是信息編碼后存于特定地址，需要時再讀取。

大腦觀點：重復(fù)激活某一群神經(jīng)元，它們之間的連接增強，各自的激活閾值降低。下次哪怕只有部分輸入，也能迅速點燃整個群體。

我們稱每個基本單元為**晶胞**。它有一個膜電位、一個激活閾值，以及與其他晶胞的可變連接權(quán)重。當(dāng)一個晶胞接收的脈沖總和超過閾值，它就“發(fā)放”并向所有連接輸出脈沖。

**記憶的形成**：

- 反復(fù)讓同一組晶胞發(fā)放（比如反復(fù)背“床前明月光”）。

- 每次發(fā)放后，這些晶胞的閾值略微降低（或者它們之間的連接權(quán)重增加）。

- 最終，即使只給一個微弱的“床”字脈沖，整組晶胞也會瞬間激活——你“想起”了整句詩。

這里沒有任何“存儲地址”，記憶就是晶胞參數(shù)的分布狀態(tài)。你背書幾十遍，本質(zhì)上是在訓(xùn)練閾值下降。

二、思考：種群流形上的受控演化

思考不是從內(nèi)存中取數(shù)據(jù)，而是當(dāng)前活躍的晶胞群體**根據(jù)連接權(quán)重自動演化**。

- **聯(lián)想**：激活“蘋果”群體，由于歷史上它常與“紅色”同時發(fā)放，兩者間連接強，很快“紅色”群體也被激活。你便從蘋果想到了紅色。

- **推理**：如果你訓(xùn)練了“下雨→地濕”“地濕→路滑”的鏈?zhǔn)竭B接，那么輸入“下雨”后，系統(tǒng)會步進(jìn)式地激活“地濕”，再激活“路滑”。這就是三段論在脈沖網(wǎng)絡(luò)中的實現(xiàn)。

- **創(chuàng)造力**：當(dāng)你被問到“飛行的企鵝”，外部輸入同時激活“企鵝”和“飛行”兩個群體。它們的子特征（翅膀、胖身體）各自被激活，某些中間晶胞可能同時收到兩個方向的脈沖而發(fā)放，產(chǎn)生一個**新穎的組合群體**——“胖且有羽毛的飛行物”。這不是隨機，而是外部信息驅(qū)動下的模式合成。

思考的路徑不是隨機的，它由**連接權(quán)重的地形**和**當(dāng)前輸入**共同決定。你之所以能定向思考，是因為有**注意力**（臨時調(diào)控某些區(qū)域的興奮性）和**工作記憶**（通過循環(huán)連接維持少量活躍群體）。

三、潛意識：閾下刺激的參數(shù)雕刻

你在我周圍很多不起眼的地方放了數(shù)字“6”，然后讓我隨機說一個數(shù)字，我大概率會說6。為什么？

在晶胞模型中：

- 每次我看到一個“6”，視覺系統(tǒng)會向代表“6”的晶胞發(fā)送一個**閾下脈沖**（強度不足以讓其發(fā)放）。

- 但這脈沖仍然會使該晶胞的膜電位上升一小點，更重要的是，每次接收脈沖都會略微**降低它的激活閾值**（或增強其背景興奮性）。

- 經(jīng)過幾十次閾下刺激，代表“6”的晶胞變得異常敏感：它的閾值從0.8降到了0.3。

- 當(dāng)你讓我“隨機說一個數(shù)字”時，大腦給所有數(shù)字晶胞一個共同的微弱查詢脈沖（強度0.4）。只有“6”的閾值低于0.4，它發(fā)放了，其他數(shù)字保持沉默。于是我脫口而出“6”。

**潛意識就是這樣工作的**：你從未“意識到”看到了許多6，但你的晶胞網(wǎng)絡(luò)已經(jīng)被悄悄重塑。每一次閾下刺激都在改變你的未來行為——這是真正的“無意識學(xué)習(xí)”。

四、硬件實現(xiàn)的可能性

上述模型可以用**CMOS + 憶阻器**的混合電路實現(xiàn)。每個晶胞包括：

- 積分電容和泄漏晶體管（實現(xiàn)漏積分點火模型）

- 可調(diào)閾值比較器（用差分對或襯底偏置實現(xiàn)）

- 憶阻器交叉陣列（存儲可塑連接權(quán)重）

- STDP 學(xué)習(xí)電路（根據(jù)脈沖時序改變憶阻器電導(dǎo)）

多個晶胞可以三維堆疊，形成大規(guī)模并行脈沖網(wǎng)絡(luò)。這種芯片沒有程序計數(shù)器、沒有內(nèi)存總線、沒有指令——只有脈沖事件在晶胞之間異步傳播。信息編碼在哪些晶胞活躍以及活躍的時刻模式中。

五、與當(dāng)前AI的本質(zhì)區(qū)別

- **深度學(xué)習(xí)**：仍然在馮·諾依曼機上模擬矩陣運算，存儲與計算分離，能耗巨大。

- **脈沖神經(jīng)網(wǎng)絡(luò)（SNN）**：雖然更接近生物，但多數(shù)實現(xiàn)仍依賴時鐘步進(jìn)和存儲權(quán)重。

- **本文模型**：徹底拋棄二進(jìn)制和存儲。晶胞的參數(shù)（閾值、連接）就是記憶本身，計算就是脈沖的實時傳播。沒有“程序”與“數(shù)據(jù)”之分。

六、結(jié)語：從機器人到通用智能

我們正在從零設(shè)計一款機器人核心處理器，它由數(shù)萬到數(shù)百萬個脈沖晶胞組成，直接嵌入傳感器和執(zhí)行器。它將不需要傳統(tǒng)的操作系統(tǒng)——環(huán)境信息以脈沖流形式進(jìn)入晶胞陣列，決策和運動指令以脈沖流形式輸出。學(xué)習(xí)、記憶、思考、創(chuàng)造力、潛意識，全部在同一個框架內(nèi)發(fā)生。

這不再是“人工智能”，而是**人工神經(jīng)現(xiàn)實**。如果你也對脫離馮·諾依曼牢籠感興趣，歡迎加入我們的討論——從一片憶阻器、一組微分方程開始，重建計算的基石。