把图像中央涂黑，是为了防止电脑使用如今那些低级的图像分析技巧，比如说考察被拆散的各部分图像之间的纹理或色彩是否相配。这种基于拆分图像的测试方法要求电脑具备先进的图像解读技术，并能够推断图像各部分的搭配是否和谐。
另外一种测试则是将若干物体放进几幅图像中，使得所有图像看起来都还正常，只有一幅图像有问题。接受测试的电脑必须找出这个异类。比如计算机前面放着键盘也理所当然，但如果是盆栽植物，那就不合适了。
许多计算机 算法 是通过收集颜色、边缘或纹理之类图像特征，并采用低层次统计数据进行匹配。这些方法或许还能应对单一测试，但在多种不同图像测试面前，就无能为力了。这些测试方法离真正实用还有一段距离，但是，在应用这些方法后，我们发现，人类的意识感知功能涉及海量的整合知识，而相比之下，机器视觉系统的知识实在是太过狭窄和专业化。
想拥有意识要 学学 大脑结构
了解这些后，我们近期可以期待些什么呢？如果某项任务可以独立出来，不与其他任务有牵连，那么它可以由机器来承担。高速 算法 能够飞快的在庞大的数据库中进行搜索，并在国际象棋比赛和 危险边缘 节目中战胜人类选手。复杂的 机器学习 算法 经过训练后，可以完成面部识别或者侦测行人等工作，效率比人类更高。
我们可以轻松地想出许多场合，让 机器人 去完成日益专业化的任务。先进的计算机视觉系统日臻成熟，不出十年，一种可靠的、基本上自主的驾驶模式将成为可能。但我们估计，这类机器视觉系统还无法回答与汽车前方景象相关的简单问题，仍然不会有意识地感受到出现在它前面的场景。
但我们也可以设想另一类机器，它可以把世上各种事物间无数错综复杂的关系，整理成知识并纳入高度整合的单一系统中。如果问这类机器 这幅图有什么地方不对劲儿？ ，它会自动给出答案，因为图中任何与现实不符的地方都不可能满足系统中的内在约束条件。
这类机器或许可以从容应对那些不能轻而易举分解为若干独立任务的事情。由于具备整合信息的能力，它应该会有意识地感知某一场景。在我们看来，为了实现高度的信息整合，它们不妨借鉴哺乳动物的大脑结构。这类机器在接受上述各种测试时将轻易过关，从而能与我们共享意识这个大自然赐予人类的最神秘礼物。
稿件来源：环球科学（《科学美国人》中文版，微信号：huanqiukexue）
撰文：克里斯托夫 科赫 朱利奥 托诺尼
