有些话题，尤其是政治，最好是在酒吧里讨论，在那里任何看似确定的判断都不太可能被认真对待。其中一个话题是计算机意识：一个足够智能的计算机能否获得一种“我”的感觉，就像一个足够智能的人类（据称）一样。这就是在十一月一个下雨的星期六下午，在一家名为“天鹅”的酒吧里，在英格兰布莱顿郊外法尔默村的一个村庄里，距离伦敦以南约一小时火车车程的地方。这家酒吧距离苏塞克斯大学的计算神经科学与机器人中心只有几百码（或者更准确地说，是几百米）。
我的同伴是两位苏塞克斯大学的计算机科学家，Inman Harvey（Inman 是我的名字，Harvey 是我的姓，这让美国人很困惑）和 Adrian Thompson。Harvey 是个留着胡子、体型肥胖、快五十岁的人。他曾是一名哲学专业的学生，在阿富汗经营一家进出口公司二十年，然后回到学术界成为一名计算机科学家，或者，如他自称，一名进化机器人学家。Thompson 二十多岁，从小就接触编程，但他认为自己不是典型的电脑宅男，因为他对电脑游戏不感兴趣，只对电脑本身感兴趣。他穿着一件法兰绒衬衫和沾满泥巴的牛仔裤来到酒吧，因为他的车坏了，不得不步行穿过南唐斯山。我们三个人坐在酒吧的一个角落里，吃着午餐，喝着当地的啤酒，而 Harvey，他刚为一本关于进化机器人意识的教科书写了一章，正在滔滔不绝地讲述计算机的自我意识。
Harvey 论点的要点似乎是，我们无法摆脱我们自身的偏见来评估意识等概念，我们的信念基于过去的经验，即人类是有意识的，而机器和其他无生命物体则不是。为了支持他的观点，Harvey 建议，如果你正走在路上，看到一块汽车大小的石头从山坡上滚下来，你会比看到一辆汽车以同样的速度向你驶来时，给予它更多的空间和更强的紧迫感。他解释说，如果你看到一辆汽车朝你驶来，你会假设里面有人想要避开你。你可能会小心翼翼地不走到它前面，但你不用担心它会突然转向你。
人与机器也是如此。我们认为人类有意识，因为我们相信自己的自我意识。我们大脑中发生的事情是神秘的，甚至是不可理解的，而这种神秘似乎为意识的魅力留下了空间。然而，机器或机器人——Harvey 不喜欢“计算机”这个词，因为它有“使用符号进行计算的机器”的技术含义，这与人脑或动物大脑的工作方式完全不同——通常是按设计接线的，其电路图可以简化为其独立的逻辑元件，其软件程序可以被分析和理解，因此很难想象一个复杂的思考机器如何能拥有我们那样的“我”的意识。但是，如果你能够进化出一个由普通硅、电线和晶体管组成的机器人，它看起来好像有意识地行动，其思维过程就像我们一样难以捉摸呢？Harvey 说，对于进化的机器人，你无法分析它们是如何工作的，因此你会更容易倾向于采取那种最终会将意识归因于机器人的立场。事情就是这样发展的。
Thompson 不接受这一点。事实上，他甚至不想讨论它。他一丝不苟地吃着炸鱼薯条，似乎希望谈话能转移到别处。他的态度带有一点反讽意味，因为在过去的几年里，Thompson 一直在玩弄计算机，这些计算机的硬件会进化以解决问题，就像我们自己的神经元进化以解决问题和反思自身一样。他是被称为“可进化硬件”或“进化电子学”的研究领域的创始人之一。Thompson 使用一种硅处理器，可以在十亿分之一秒内改变其接线，形成新的配置。他给处理器一个任务来解决：例如，区分人声说“停止”或“前进”。每种接线配置都会根据其表现进行评分，然后得分高的配置会配对形成新的电路配置。由于所有这些操作都是电子进行的，因此处理器的接线可以进化数千代，最终形成一个 Thompson 称之为“惊人高效”地解决任务的电路。
然而，这个电路是如何工作的，却近乎不可思议。它就是能工作。听 Thompson 描述它，就像听一个人描述原始大脑中意识的出现。但 Thompson 是一个实验主义者，而不是哲学家，这是真实的实验数据。如果未来几百年内，计算机最终进化出意识，那些完成这项工作的人，或者机器本身，可能会回顾 Thompson 的工作，认为它是黎明时分的一线曙光。但 Thompson 不会。
“我发现自己无法参与关于意识的讨论，”他坚决地说。“我认为我正在做的工作与此无关。我只是在考虑如何利用进化来探索新的计算方法。当你开始试图推断到与人类相关的事情时，你就会陷入哲学上不稳定的区域。”
Thompson 工作所在的苏塞克斯大学，正是那种鼓励在这种不稳定区域思考的地方。Thompson 说，它成立于 20 世纪 60 年代，是一个跨学科机构。其创始人们没有将课程划分为通常的生物学、哲学、历史等系，而是将它们合并为学院。其中最跨学科的——认知与计算科学学院，昵称为“cogs”——包括计算机科学、哲学、心理学和语言学。计算神经科学与机器人中心更为跨学科，因为它是“cogs”学院和生物学学院的联合项目。
CCNR 与几家初创生物技术公司和互联网咨询公司共用一栋两层楼的建筑。Thompson 工作所在的实验室是一个阁楼式的空间，散布着各种可能让一个 12 岁的孩子在整个青少年时期都着迷的装置。有各种原始的机器人，例如 Maggie，一个紫色的、像龙虾一样的装置，如果它的腿都能工作，它就会在房间里爬行并避开障碍物。Harvey 不屑地称之为“委员会设计的马”。其他一些机器人看起来好像经过几千年就能展现出 R2-D2 那样的逼真生命力。这个地方的跨学科性质，体现在实验室一角一个大型的木蚁群落中。我听说，CCNR 的一些研究人员正在研究蚂蚁的导航机制。据我所知，一位常驻研究员正在研究池塘螺的进食机制，但看不到任何蜗牛。
Thompson 最新的作品就放在他工作台的一角。它的核心是一个绿色的电路板，看起来非常像初学者制作晶体管收音机的内部零件。至少，它的名字很响亮：它是一个 Xilinx XC6216。这款芯片，在行业内被称为现场可编程门阵列（FPGA），是实现这一切的关键硅片。
与典型的商用处理器——例如 Intel Pentium Two——不同，Xilinx 芯片可以被用户重新配置。构成其最基本功能的逻辑元件，可以通过重新编程芯片内存中的位（称为配置位）来随意更改。例如，与门可以改变为或门或非门，输入线可以被重新编程为输出线，等等。
这赋予了 FPGA 非凡的灵活性，尽管会牺牲一些效率。FPGA 的速度永远无法与电路图被不可逆地铸在硅片上的芯片相媲美，但它的灵活性有其用途。这就是为什么位于加利福尼亚州圣何塞的 Xilinx 在十多年前发明了这些芯片。你会发现它们被用于电信设备的原型机和公司可能出厂的前几百件产品中。由于这些初始产品总是可能存在一些错误，因此公司可以通过使用一个在发现错误后可以重新配置的芯片来节省大量成本；否则，每次出现错误时，公司都必须花费数十万美元为每种型号的路由器或服务器制造全新的芯片。一旦错误被纠正，产品销售良好，公司就可以创建一个专用芯片来执行相同的任务。它们还可以快速地将 FPGA 从一个产品改装到另一个产品，这意味着更快地将新产品推向市场。很快，FPGA 也将被用于新款手机和数字寻呼机。
硬件可以在机器人或计算机中像自然界进化人类或其他生物一样进化的想法，自 20 世纪 60 年代以来就一直存在。1992 年，一位名叫 Hugo de Garis 的计算机科学家直觉地认为 FPGA 会做到这一点。De Garis，这个领域有争议的远见者，出生于澳大利亚，拥有英国国籍。他目前在日本京都的先进电信研究所有限公司担任访问科学家，同时与弗吉尼亚州的乔治·梅森大学保持联系。在他开始目前的事业（他称之为“大脑建造者”，这也是他有争议的原因之一）之前，de Garis 曾涉足一种名为遗传算法的编程技术。正如进化在野外盲目地作用于生物体一样，这项技术试图以同样的方式解决可以用计算机程序描述的问题。
生物体的蓝图——人类、细菌以及所有活着的生物——都编码在长长的 DNA 链中。像我们这样的高等动物，将这种 DNA 保存在称为染色体的紧凑单元中；我们有 46 个。当有性生物交配时，储存在双亲染色体中的遗传信息会混合。后代会继承来自双方的基因组合，而大自然还会加入一些突变，为下一代提供更有利特性的机会。物种得以进化，是因为最适合在环境中生存的后代最有可能成功繁殖并将其基因传递给下一代。经过数千年或数百万年，结果将是适应特定环境的独特生物。在畜牧业中，育种者根据个人偏好进行选择。他们让选定的个体交配，然后选择并配对后代，从而培育出跑得更快的赛马、更肥壮的牛或鼻子长到头骨没有足够空间容纳大脑的牧羊犬。
由于进化已经在自然界中找到了解决极其困难问题的方案（例如，能够利用听觉在黑暗中导航的蝙蝠），因此计算机科学家们试图利用进化来解决困难的计算问题，使用遗传算法。这些算法首先将给定问题的潜在解决方案编码为 0 和 1 的字符串，这相当于用一系列是或否的答案来描述潜在解决方案，回答数十、数百或数千个简单问题。这个位串成为要进化的解决方案的人工染色体。遗传算法生成该位串的许多细微变体，然后测试这些个体，看它们在某种适应度标准下的表现如何。这个过程比畜牧业更像动物饲养，因为运行遗传算法的计算机科学家确切地知道他/她最终想要完成什么。（例如，如果使用遗传算法解决调度问题，适应度的度量可能是每个个体最终计划版本中任务完成的速度。）在指定的适应度测试中得分最高的位串，以一种松散地受性繁殖中染色体结合方式启发的方式进行配对，将每个位串的部分组合在一起，以产生后代的位串。为了好运，下一代还会加入突变。这些新的后代会被测试，最好的会被配对，如此循环。这个过程可能会重复数千代，直到问题得到解决。遗传算法已成功地用于设计通信网络、改进涡轮机，甚至解决一些看似棘手的数学问题。
1992 年夏天，Hugo de Garis 在使用遗传算法工作时，访问了乔治·梅森大学，一位那里的电气工程师告诉了他 FPGA。De Garis 说：“我从未听说过它们。”于是他开始解释说，它们是可编程硬件。你可以发送软件指令，它会告诉这个可编程硬件如何自行接线。我突然有一个想法，如果可以向硬件发送软件指令来接线，也许可以将该软件指令视为遗传算法的染色体。你可以随机突变它，也许可以进化硬件。想法就这样开始了。这可能是该领域的“尤里卡时刻”，尽管 Thompson 说，几年后他独立地产生了这个想法，将进化应用于 FPGA 并不是什么了不起的大事：让它起作用才是棘手的部分。
可进化硬件的要点足够简单。编程 FPGA 接线和电路的配置位，成为接受“适者生存”考验的个体的染色体。配置芯片，然后让它执行某个任务，并测量其性能。代表表现最佳配置的比特流被配对，加入突变，然后测试、测量新个体，并被丢弃或配对。最终应该会出现一个在完成特定任务方面表现出色的配置，尽管可能需要数千代才能出现。
并非所有人都使用实际的 FPGA 来完成这项工作。整个过程可以在计算机上模拟——FPGA 单元和电路以及繁殖和测试等所有环节——当达到理想配置时，就可以将其编程到真实的 FPGA 上。可进化硬件界将此类模拟称为“外部进化”，因为进化是在芯片外部完成的。在“内部进化”中，FPGA 会为测试的数千个类似染色体的比特流中的每一个进行重新配置。这需要购买芯片，并从软件领域转移到硬件领域，但其优点是考虑到了芯片本身的现实，以及其中可能发生的任何未包含在软件模拟中的微妙现象。Thompson 是硬件进化论者中独一无二的，他正在利用这些现象为自己服务。
Thompson 说，当他开始这项工作时，他决定不通过假设计算机上的进化应该如何运作来限制自己，而是基于它在自然界中的运作方式。他说：“集成电路所拥有的资源与动物大脑中的资源截然不同。”他决定使用 FPGA，它们可以被视为空白的进化记录，让进化去处理细节。
Thompson 决心不将任何先入为主的观念引入他的实验，他甚至决心不告诉他的遗传算法它正在处理一个数字设备，在数字设备中，电路的各个元件的行为好像只有“开”和“关”，或者“真”和“假”，或者 1 和 0 是可接受的状态。在数字计算机（也称为二进制计算机）中，导线上的电信号代表 1，而信号的缺失代表 0。然而，Thompson 愿意让进化在 FPGA 电路上工作，就像它是一个模拟设备一样，在模拟设备中，通过导线的信号可以在 0 和 1 之间的任何值取值；如果进化是这样想要的，它们可以是不同程度的“可能”。
“我当时在寻找让进化在电子学上尽情发挥的最好方法，”他说。“所以它不知道什么好什么坏，也不知道它如何实现行为。进化只是随意地做出改变，如果改变带来了改进，那就太好了。无论是改变电路设计，还是利用任何可能存在的奇怪、微妙的物理现象。进化只关心整体行为。这意味着你可以探索各种构建方法，这些方法完全超出了传统方法的范围。我允许进化编写所有设计规则。”
本着这种自由放任的哲学，Thompson 进化出了一种能够区分两种音调的电路，这两种音调是电信号，如果输入到立体声扬声器，会产生两种音符。一个频率为 1 千赫兹，另一个为 10 千赫兹。Thompson 说，如果你听它们，它们听起来像是中高频和非常高频。为了增加难度，他只给了进化一小部分 FPGA 来玩——在芯片提供的 4096 个单元（或逻辑元件）中，进化只能使用 100 个，而且没有时钟和计时元件。Thompson 选择这个特定的问题，是因为区分两种音调是语音识别的第一步，而且这个问题本身就非常困难。FPGA 中的逻辑元件工作速度非常快，速度在十亿分之一秒的尺度上，而音调的频率比它慢一百万倍，这使得这项任务就像试图进化出一个能够分辨一年和十年之间区别的人，而他只能使用手表上的秒针，并且在这样做的时候不进行计数。
Thompson 的遗传算法创建了 50 个随机的人工 DNA 位串，每个长 1800 位，这是描述这 100 个单元完全接线所需的配置位数。Thompson 解释说，这些位串构成了要通过进化过程运行的最初的 50 个个体。“对于每个个体，我都会获取位串并将其下载到芯片上。现在这个个体在物理上存在于硅片中，我输入五次 1 千赫兹的脉冲和五次 10 千赫兹的脉冲，顺序随机。”然后他测试这些个体，看它们在产生不同于输入的输出方面的表现如何，考虑到除非他运气异常好，否则前几代的所有位串在完成任何任务方面都会尽可能糟糕。因此，仅仅说一个个体有效而另一个无效是不够的。Thompson 必须开发一个适应度测试，让他能够说一个个体可能比下一个表现稍好一些，他通过寻找 1 千赫兹脉冲期间输出的平均值与 10 千赫兹脉冲期间输出的平均值尽可能不同的情况来实现这一点。在测试并评分了所有 50 个个体后，遗传算法会随机选择下一代父母，并内置偏好那些在适应度测试中得分最高的个体。测试中的最佳个体也会被不加改变地复制到下一代，这是一个有用的补充，计算机科学家称之为“精英主义”。这些选定的父母会被配对，它们的位流会混合在一起，加入一些突变（他说：“你不想搞砸太多”），以产生 50 个新的后代。然后过程重新开始。经过 5000 代和两周的计算机时间，计算机就能够区分这两种音调了。
奇怪的是，Thompson 无法确定芯片是如何完成这项任务的。当他检查进化在任务中使用了多少个单元（100 个）时，他发现最多只有 32 个在起作用。其他 68 个单元的电压可以保持恒定，而不会影响芯片的性能。Thompson 说，一个由人类设计的芯片，要完成同样任务，需要 10 到 100 倍的逻辑元件——或者至少需要时钟信号。这就是为什么 Thompson 将芯片的配置描述为“惊人高效”。
这不仅是高效，芯片的性能简直是奇怪的。Thompson 说：“电流在栅极之间来回反馈，盘旋，然后继续前进。这与电流在人类设计的芯片中可能经过的有条理的路径完全不同。”而在使用的 32 个单元中，有些似乎超出了循环。尽管它们没有直接连接到主电路，但它们却影响了芯片的性能。这就是 Thompson 所说的“疯狂之处”。
Thompson 逐渐将可能的解释缩小到少数几种现象。最可能的是所谓的“电磁耦合”，这意味着芯片上的单元彼此非常靠近，以至于它们可以有效地在它们之间广播无线电信号，而无需通过互连电线传输电流。芯片设计人员意识到他们芯片上相邻元件之间可能存在电磁耦合，因此会竭力设计电路，使其不会影响性能。在 Thompson 的案例中，进化似乎发现了这种现象并将其投入使用。
另外，细胞也可能通过供电线路进行通信。每个单元都独立连接到电源；一个单元中快速变化的电压会微妙地影响电源，这可能会反馈到另一个单元。细胞也可能通过电路所在的硅衬底进行通信。Thompson 解释说，电路是覆盖在较厚硅片上的一层非常薄的材料，晶体管只扩散到顶部表面部分。如果它们在做一些非常奇怪的事情，那么通过衬底的相互作用是很有可能的。但关键是，它们确实在做一些非常奇怪的事情，而进化正在利用这一切，利用所有这些奇怪的效应作为其系统的一部分。
在 Thompson 的一些创作中，进化甚至利用了连接系统运行遗传算法的个人计算机。电路不知何故捕捉到了计算机在运行程序时正在做什么。当 Thompson 在一次公开演示中稍微改变程序时，电路就无法工作了。
所有这些创作同样是特异的。将温度改变几度，它们就不工作了。将一个在一个似乎完全相同的芯片上进化的电路下载到另一个芯片上，它也不工作。进化创造了一个解决问题极其高效、但完全神秘的电路，但它只能在其诞生的环境中生存。Thompson 将这个问题或进化现象描述为“过度利用芯片的物理特性”。由于没有两个环境会完全相同，因此没有两个解决方案也会相同。
它们至少会像在不同地区进化的两种动物一样不同，这就把我们带回了 Harvey 关于进化思维机器的观点。如果你使用数十亿或数万亿个组件而不是 100 个组件来进化这些人工智能，就像自然界进化出拥有数万亿神经元的人类大脑一样，你最终会得到像两个人一样不同的机器，它们的思维过程同样难以捉摸。
这就引出了关键问题：你是否真的能制造出一台像你我一样有意识的思维机器？
想象一下这样的事情如何发生，并非难事。它将始于一系列专门用于筛选和处理越来越多的多媒体信息的电路的进化。随着速度的增加，以及处理信息的量增加，进化将会偶然发现并利用复杂的处理策略，如预测，或者一个集成的控制系统，它会问“接下来应该做什么？”并协调计算机的所有思维过程来找到答案。在此过程中，它可能需要区分构成其自身的所有众多 FPGA 和电路，以及它必须对其做出反应的外部世界。现在，随着自我意识的形成，它甚至可能进化出更高层次的自我刺激；它可能会开始使用它与程序员交流的语言与自身交流。结果可能不仅仅是自我意识，还有与之匹配的内心独白。
当然，正如 Harvey 指出的，询问这样一台机器是否真的有意识没有多大意义，因为唯一重要的事情——或者至少是唯一可以观察和测试的事情——是它是否表现得有意识。然而，可以争辩说，从简单的电路到计算认知和意识的这条道路，几乎和从单细胞生物到你我的道路一样不可避免。但这才是关键。只有极少数进化论者相信人类意识是不可避免的，而不是大自然的某种扭曲的偶然事件。Harvey 和 Thompson 以同样的方式看待计算机版的意识。Harvey 说：“进化会产生很多特殊的技巧，但这些机器的特殊技巧可能与人类在我们自己的进化历史中获得的特殊技巧几乎没有共同之处。”因此，他和 Thompson 将投注线设定为“明确的也许”：也许最终我们会进化出一台看起来像人类一样有意识，并且无法被欺骗而暴露其硅基灵魂的机器。但即使我们做到了，也不会很快。正如 Harvey 所说，“进化不是什么快速的魔法。”所需的组件越多，它们之间的连接越多（使它们更像真实的神经元），运行遗传算法所需的时间就越长。因此，Thompson 说，也许进化一台有意识的机器是可能的，当他最终同意讨论它时，但“这可能需要很长时间。”更重要的是，他补充道，“我认为我们不知道如何做到这一点，即使我们没有在实验过程中会死去的麻烦。”
由于 Thompson 本质上似乎是一个实用主义者，他暂时放弃了进化出能够区分两种声音以外更复杂功能的芯片（在一个后续实验中，他进化出了一种能够区分两个口语词“停止”和“前进”的芯片）。相反，他试图解决他所谓的“固执”或“鲁棒性”问题。他获得了英国政府的一项资助，以进化出能够在广泛环境和多种 FPGA 上工作的电路。他通过同时在五个 FPGA 上进化电路来实现这一点。这五个 FPGA 都来自 Xilinx，但来自不同的制造厂，其中一些相当于工厂的二等品。他还正在大幅度改变这些芯片的温度，因此进化将被鼓励产生一个芯片设计师称之为“异常鲁棒”的电路。他正在努力开发一种无论芯片是否存在缺陷或在运输过程中受到损坏都能工作的电路，一种可以在热带雨林或太空深处工作的电路。换句话说，一种可以在任何地方运行，也许是任何东西上运行的电路。
Thompson 说，这种设计任务是人类设计师所困扰的。然而，进化应该擅长制造极其高效的芯片，例如，或者极其容错的芯片，能够运行任何地方，甚至可以即时适应的芯片，如果它们所处理的应用——也许是数据通信，或者计算机科学家称之为系统控制——会随着时间变化。Thompson 解释说：“很高兴能拥有一个电路，它可以进化来处理新版本的问题。我真的在探索进化能做什么，而人类做不到。”“有些特性是人类在设计系统时非常难以实现的，比如非常高效，功耗低，或者容错性强。进化都能处理。”然后，Thompson 补充道，“当然，一个人也得谋生。如果我们能设计出真正耐缺陷的东西，我们就能赚很多钱。”
