斯坦尼斯拉斯·德阿纳（Stanislas Dehaene）：神经学家、实验认知心理学家；著有《脑的阅读》（Reading in the Brain）
图灵在1936年的一篇原创论文中写到，他在发明那台作为计算机前身的理论设备时，原本是在尝试复制出“人类计算实数的过程”。到了2015年，脑科学的研究成果依然是我们制造思维机器的最佳灵感来源。我认为，认知科学家已经发现的两种大脑功能对于产生我们所理解的真正的思考至关重要。但到目前为止，它们始终没有进入程序员的法眼。
目前的编程都是固有的模块化编程。一个程序的每个部分都是一个独立的App，承载着它特定的内容。这样的模块化使得高效的并行计算成为可能。人脑也是高度模块化的，但它在模块之间还能共享信息。无论我们看到的、听到的、知道的或者记得的事物，都不会滞留在特定的某个大脑沟回中。实际上，哺乳动物的大脑具备一种“长距离信息共享系统”，能解除大脑区域之间的模块化，让它们能够向全局散布信息。例如，正是这种“全局工作空间”让我们能够从投射在视网膜上的信息（例如一封手写信件）中攫取特定部分并输送至认知中心，让我们在进行决策、行动或演讲过程中利用它。
这就好比计算机中有一种新的“剪贴板”，它允许任意两个程序瞬间交换内存信息（无论用户是否是电脑高手）。当某个机器不仅知道如何完成任务，还“知道自己知道”的时候，我们才称它为智能。例如，某个软件不仅能获取知识，还能以灵活创新的方式将这些知识加以利用。如果某模块化操作系统已经在一个地图程序的窗口中找到你的位置，却无法将该地址信息输入到另一个纳税申报程序的窗口，那它就不具备全局工作空间。
认知科学家已经在大脑中发现专门负责呈现他人思维（所思、所知、所信）的第二套回路。除了那些自闭症患者，所有人都在始终注意着其他人，并根据对方“知道多少”（或者我们觉得他们知道多少）来调整自身行为。心智理论正是现有软件所缺少的第二种关键组成部分：倾听使用者心声的能力。未来的软件应该将使用者模型整合进来：“她能看清我的显示吗？是不是得让字体再大点？有什么证据可以表明我的信息被理解和重视了？”即便是对使用者最小程度的模拟，也将马上给人一种强烈的机器能够“思考”的印象。这是因为拥有心智理论的机器需要达到“相关性”（relevance），这是认知科学家丹·斯珀伯（Dan Sperber）最早提出的一个概念。与目前的计算机不同的是，人类不会在对话中说些完全无关的事情，因为我们始终留意着要说出口的话将如何影响谈话对象。导航软件说出“前方环形路口，走第二个出口”则显得很傻，因为它不知道“请直行”是一种更直接也更“相关”的表达方式。
全局工作空间和心智理论是即便一岁婴儿也能拥有的两种必备能力，但我们的机器始终缺少它们。有趣的是，这两种功能有着某些共同点：许多认知科学家相信它们是人类认知的关键构成部分。全局工作空间让我们具备了“意识1.0”——这是所有哺乳动物共有的知觉，让我们能够“知道自己知道什么”，进而更加灵活地使用这些信息来指导决策。心智理论则是更加“人类专属”的一种功能，它让我们拥有了“意识2.0”——这是一种将我们所了解的信息与别人所了解的信息相比较的能力，以及模拟他人想法（包括他们怎么想我们）的能力，因此它提供给了我们一种全新的自我认知。
我可以作出这样的预测：一旦有机器能够注意到自己知道什么和使用者知道什么，我们马上就该将其称为思维机器，因为它几乎就可以预测出我们要做什么了。
在计算机科学领域，软件行业还有很大的进步空间。未来的操作系统将不得不作出相应调整以实现一些新功能，例如应用间的数据共享、模拟用户心理状态，或根据相关性推测用户的目标，进而控制屏显……
