下一代计算机一般认为是非诺埃曼型的计算机。但是，并不是说已找出代替诺埃曼原理的原理。下一代原理的范例，一般认为是人脑，但对人脑的原理也还存在很多不太明瞭的地方。若要作为下一代计算机的范例，就需要探讨探讨人脑的原理。

诺埃曼型“计算”机的极限

若用一句话来说诺埃曼型计算机，可叫它是程序内藏式，二进制数字计算机。如把它和人脑进行比较的话，人脑不可称作数字计算机，人脑所使用的“数”又不是二进数也不是十进数，人脑的程序因为是自己创造出来的，所以它们之间差距太大，无论如何也不能进行比较。可见，下一代（第5代）计算机，假如把非诺埃曼型计算机作为目标，一举就想模仿人脑活动成功的计算机是不可能的。

把人脑考虑成非诺埃曼型而若用标语叙述的话，就称为程序创造式，计数式，数字模拟思考计吧。确实，这些优点至少有一部分应该采用到第5代计算机上去，而有关这些打算以后研究，现在最简洁地显示出计算机的问题点，就万能计算机第一次进行探讨。

万能计算机，正如众所周知的数学家图林（Turing）认为是理想计算机，包括人类在内的所有计算机是可计算的事物都能计算的计算机。大家熟知，怎样构成万能计算机？是属于数学上的问题，但如提供无穷的存储容量和无穷的计算时间，则就能够极简单地构成万能计算机。现在的大型计算机能实现庞大的存储容量和超高速的演算时间，其实质就是图林的万能计算机。换言之，现在的大型计算机，可计算的数全都能计算。

那么，据说图林的理论揭示万能计算机的极限是“万能计算机不可能自己判断某数可计算还是不可计算”。这需和哥德尔（Gōdel）的不完全性定理“自然数论的公理系在其公理系中不能证明是没矛盾的事物”相类似，也很引人注目。还可以预料，通常计算机单独不能“证明不能证明的事物”。

众所周知，对这个问题的处理方法，计算机和自己同程度或更复杂的计算机（例如人）进行会话，跟设定的公理系以外的公理系学习，把那些进行比较，才真正是在设定的公理系中证明不能证明的事物。一般倾向是“这种处理方法，要解决计算机跟着人们学习解答问题，从某种意义上说来不会有作弊现象。计算机可以单独工作的极限才是其计算机的极限，将其剖析的是图灵理论”。这种争论是最合理的，而事实也表明，现实的计算机若是不跟着人们学习就什么都不会的。实际存在的计算机即便是万能计算机，但若不是人们设定程序就什么都不能动作。

避免作弊毁谤的一个方法是计算机制造出比自己复杂的计算机，跟着其下一代计算机学习。这个问题也由纽曼（Neumann）作出肯定的解答“自动装置能够制造比自己复杂的自动装置”，这是纽曼的自己增殖的理论定理（自动装置，指在相同范畴下在理论上处理人和计算机时的总称）。现实中，计算机装配工厂里，就是采用计算机制造比自己复杂的计算机。但是，在其制造工序里，人必须介入，但又不能制造出与人同程度的复杂计算机。

人可称为“自动装置”，也未曾制造出比自己复杂的自动装置，一点不错，我觉得在原理上好像还留有没解决的问题。不过，人类有必要制造比人复杂的自动装置吗？我认为就留下这个基本问题。

这样，曾经被认为计算机极限的概念，现在变得极其有意思。这也要考虑因计算机和人的关系已发生变化而引起的变化。曾考虑“计算机会作什么？”而现在应该考虑“我们使用计算机能做什么？”下一代计算机好像应该考虑这种新的乐园。

模拟存储方式

好像立刻能采用到第5代计算机的人脑原理，应是模拟式的存储方式。

人脑的存储容量远比现在的计算机要大。麦克劳切（McCulloch）若能存储到给脑输入的1%，而已将脑的存储容量计算到了1京（10¹⁶）位。我获得向脑外界的输出取决于全部存储的同一个值（‘脑和计算机’中央公论社（1972）），这些计算是根据传统理论把1个神经冲击计作1位，所以并不是没问题。有关这个在下节研究。但现在典型的大型计算机的存储容量是1亿位左右，就不会存在对位数的计算方法等问题了。现在计算机的存储方式，例如每隔32位输入地址储存，所以存储容量一增大，则表示地址的数字也增大，而效率会明显变坏。

不过，人脑的存储如果说仅限于数字信息，则10¹⁰—10¹¹位是上限。亦即，对人来说，存储几百亿字的文字信息是极困难的。若是这个左右的量，则即使现在的地址式存储，好像都能设法实现。人脑和计算机存储容量的差别，在于人脑能把模拟信息照原样存储起来。人脑的存储能够像磁带录像那样把一连串的景物和声音作为一个原封不变的模拟信息接收下来。称为磁带录像式的存储，据认为是密度最高的信息存储方式之一，但实际上，就人脑而言，承担这种存储的实体究竟是什么？也许还不知道应该叫做什么。稍微离开正题，人们的存储状态分别有超短期（持续时间20秒左右）、短期（数日）、长期。这些分别与哪一种实体相对应呢？还不清楚，但据推测超短期的存储可能是神经电路本身，短期存储可能是突触。长期存储由什么承担？是最困难的问题，但从对于代谢旋转的稳定性和存储容量的大小看，在DNA分子以外现在没有竞争。假如DNA分子只存储遗传信息，在突然变异以外如果是不变化，这种观点也不能成立，但最近，如在免疫细胞弄清楚那样，重写DNA信息就是人脑也建立起对于新的抗原物质产生抗体的相同物质，这种说法非常有力。

那么，可说脑的原理是清楚的。在此脑的长期存储假如写在DNA上，然后想想计算机学习什么？存储写入称作线形的高分子里，若除开在微小体积上能具有大容量的存储这一点，其本质上和磁带等没差别。即是说，人脑的存储在单元时期也能存储数字。DNA的信息通过聚合单位的碱的种类写进去，而这在本质上和二进数字没什么不同。惊异的地方是由数字存储再生成模拟像的变换速度之迅速。在人类的存储中，模拟像即使反复多少次也能迅速地进行再生，而计算机应该学习的正是这样的方面。研究作为存储单元的分子，在稍微了解人脑的机理之后才是恰当的。

这样，作为第5代计算机的存储装置要预先提出具体方案。那是把一幅照片（视频的1小间隔）作单位“保留”存储的方式。把单元配置成二维，一个单元就会有4位以上的存储，并能存储图像的浓淡和彩色。将这样的一幅画作为1个单位输入。输出不用说就会出现彩色显像。单元的大小近似于分子大。作为图像存储的形式在大量信息存储方面是最优秀的。精度可能会降低一些，但能直接处理图像，能够掌握以前不处理的工作。精度就必要的“计算”同时并用，照以前那样的方式，把图像变换成数值进行计算。这好像是把超高速图像处理装置内装在以前的计算机内，因而实现是比较容易的。而且，假如把10⁷位的图像做成10⁷小间隔存储，则一举既能接近人类的存储容量，又配备图像和声音的输出入装置，近乎计算机具有感觉器官的优点。可说是接近人脑原理的捷径吧。

但是，把图像存储在二维单元矩阵上的方式，不能说是现在考虑的最卓越的模拟存储方式。采用全息照相而直接存储三维图形或图像的方式，在原理上更卓越，但据认为研究上还需要再过一段时间。

可靠度和计数方式

存储模拟信息，由上节可看出，二进制不是有利的方式。二进制在可靠性方面最擅长数值计算，但如果增大多余度，则即使采用其它方法也能提高可靠度。并不是说要抛弃二进数，而是要求能与其他方式同时并用。就是第5代计算机也要同二进制以外的方式并用。

人脑对数字量的表示方式，不但不是二进数，而且也不是十进数及其它任何基础的数字展开法。本质上是属于脉冲密度法，与要发射量成比例的密度发出脉冲（严格地讲是发出其量遵从一定递增函数的密度脉冲）。这很清楚非常接近模拟方式，但神经细胞本质上是数字器官，这种通信方式推定是属于数字——模拟的中间方式。

神经细胞发出的信号称作冲击的电压变化，而本质上应是和脉冲相同的信息，并遵从全或无的法则。这就意味着神经细胞像是开关器官一样。冲击处理完全服从数字元素的逻辑（稍微严格一点讲神经细胞能够看作逻辑器官的一种——多数通过器官）。可是，作为脉冲通信系统看时，神经细胞以冲击密度进行通信。例如，一般认为感觉器官发出与刺激强度的对数成比例的几个冲击。这就是有名的Weber-Fechner法则，若写出来和信息的平均信息量的式子相同

R=k log S

其中，S是刺激强度，R是冲击数，k是常数。最近，喜欢采用R=k S^A的形式（接触刺激时A=0.52），没有本质的问题。中枢神经系统再变换，让R与S成比例。

重要的问题是冲击数与刺激的强度函数成比例，而不应该是数字展开。这种神经系统的通信方式，根据Neumann称为计数方式的方式。这种方式多余度极大，可靠度也极高。目前为了发射10万个这样的数，可用十进制展开法变为传送100000这样的6个数字，但如果这时因过失丢掉最初的数字1的话，误差就为100%。为此，计数方式必须传送10万个信号，但不管失去其中哪个信号，误差也只不过为十万分之一。这种方式由于将多余度做得极端的大，因而是提高可靠度的方法，计数法不一定马上就采用到下一代计算机上去，但可作为考虑提高可靠度的新方式参考。

如果制造绝对不出现错误——可靠度无限大——的计算机的话，则在现有技术条件下，要制造可靠度无穷大的计算机，是不可能的。可靠度无穷大就意味着多余度也要无穷大。人脑，尽管有差错的时候，但差错的结果不会造成另选方式。其机理还没有详细了解，但即使精度降低仍能保存定性的结果。也许下一代计算机会很快采纳这些方法。

要设计故障即使发生到某种程度还可做出有效动作的计算机，最简单的方法也许是把模拟计算同时并进的实施方式。模拟计算，通常阶跃函数少，所以故障率也低。另外，至少所谓数字计算是属另外系统，同时故障率也就少。把模拟计算同时并用，我认为抑制数字计算错误的方式值得研究。举一个切身的例子来说，银行的联机付还业务，即使存款金额的计算回路发生故障，存款金额和付出金额的位数作比较也能正确地继续进行其它的大部分业务。付出金额如能正确地记录下来，则一边继续业务工作一边进行修复工作就不会有多大困难。即使科学技术计算精确的数值，往往也只能求出最终结果。研究中间，希望尽快获得定性的结果，而这时希望能简单地检验定性的结果。

像以前的模拟计算机那样，以电压等物理量表现数，所以其精度仅到3位，若要作到4位那就相当困难了。如利用计数的方式，则精度会稍有提高。作为研究课题不是很有趣吗。

程序创造式计算机

可以说台式诺埃曼型计算机、不能马上实现全部由自己创造程序的计算机，仍需要服从人设定的设计程序。设计的写法同现在使用的FORTRAN和COBOL语言相比，有好多自由？还是问题。

使用自然语言的程序设计是重要的课题，而要实现不是要花费再多一些时间吗？在我们日常使用的语言（自然语言）里，矛盾的表现多得很，因而这就不容易为计算机所理解。归根到底，眼前不能完全撤除对语言的限制，因此，成为研究对人来说容易理解，容易使用的语言的问题。这是方向，例如，正在考虑查看生产过程图且制造程序的计算机，我认为这要到下一代计算机才能实现。

另一个方式，是直到现在为止把所制造的程序全部存储起来，根据需要取出并使用以往程序的方式。这已经以程序库和数据库的形式实现，但进一步扩大，各人的程序也就全部使用外存储器。即使别人的程序不侵害秘密，如能参阅可供紧急参考。总之，说“如此这般的计算方式”时，计算机如果回答“假如这一类计算以前曾经搞过，这种程序会怎么样呢。”并给出具体示范例，则使用者就会非常乐意。存储全部以往计算例的计算机是最先得以实现，而沿着其方向前进不会出差错（没有必要把存储全部保存，最好只保留要点就行了，但要正确判别什么是要点就比较困难）。

本节叙述的方式，就语言本来意思创造是长远的，但对于使用者来说应该对程序创造有帮助。下一代计算机就实现可能的方向来讲，不是这种情况吧。

未来的计算机

可以按照人类行为的意思进行创造的计算机，确实是属于相当长远的未来课题。我们对人脑的原理不了解的问题还很多，但和计算机的原理之间确实存在很大的距离。

容量上的差别在下一代计算机期间，一举弥补的可能性很高。宛如真的像本文的模拟原理引进，则计算机的存储容量就可能会相当接近人那样的容量。超LSI和新的存储元件的开发，确实可向这个方向迈进。说起来，把人脑和计算机的差别归结成存储容量等数量上的差别，这只不过是纽曼先生们时代的古典观点。例如，将神经的1个冲击计算为1位是纽曼以来的传统观点、不过是忽视模拟信息和数字信息的本质差别的形式而已。人脑的多余度大得很，因而容量的区别再没有比外观更大的差别。可是要越过其数量上的差，我认为模拟原理的引进是必要的。

除创造性外，对下一代计算机来说，预计和人脑原理的差别作为剩余的问题，应该是感情和意识的问题。对于“计算机不久可能具有感情吗？”这样的提问，曾经，我指出过存储容量大的差别太多。计算机的存储容量，如果在下一代飞跃地增加，则这个提问就不会再成为问题了。可是，很明显大容量的存储是必要的但并不是充分条件。要具有感情，必须要有某种程度的自己意识——像人类饲养的动物，看来好像哪一种也具备某种程度的意识。具有自己意识的计算机，总觉得同认识外界，在世界中认识自己的立场有关系。因此，计算机只具备感觉器官是不足够的，对它来说必需能够在自己内部描绘出世界形象。我们是不是需要制造具有自己意识的计算机还没确定，但无疑对人们的研究是有用的。试制像这种样机的时代确实会到来，但在下一代计算机之中实现也许任务太重。

作为能利用到第5代计算机中的人脑原理，首先是模拟原理，进一步如实现大容量存储再考虑利用它的程序制作方法。神经系统的计数方式，也应该研究与模拟计算同时并用相关联等问题。因为这些是可同现在计算机的各种方式并用的方式，所以想尽早地实现。关于其它的脑原理，因为对人脑的机理不太清楚的地方还很多，应该继续进行。但是，如要研究计算机的新方式对人脑研究说来会出现较大的刺激，因此期待两个范围的研究有较大的突破。

总之，台式诺埃曼计算机的原理，应该学习人脑的机理。而作为研究思想的基础不是“计算机会作什么？”而是“人想使用计算机来做什么？使用计算机人类的逻辑会怎么发展呢？”

[科学（日）1981年，第10期]