1979年6月，我从康奈尔大学顺利毕业，并拿到了电机工程专业的学士学位。当时的我对人生还没有任何像样的打算。我在位于俄勒冈州波特兰市的英特尔工业园找了一份工程师的工作。那时，微型计算机产业如日方升，而英特尔公司正处于该领域的核心位置。单板机是英特尔当时的主要产品（得益于英特尔发明的微处理器，把整个计算机置于单个电路板上的想法在当时刚刚成为可能），而我的工作，就是分析并解决由其他工程师发现的单板机上的问题。其间，我发表了一篇业务通讯。由于常常在外奔波，我有机会结识到各种各样的客户。尽管很思念在辛辛那提工作的大学女友，但那时的我还年轻，日子过得很快活。
几个月后遇到的一件事，改变了我的人生方向。那是当年9月新出版的一期《科学美国人》，一整本都是对大脑研究的介绍。这期引人入胜的杂志，重新点燃了我在少年时代就萌发的对大脑的兴趣。我从中了解到了大脑的组织、发展和化学特征，还有视觉、运动和其他人类专长的神经机制，以及精神失常的生物学基础。这是有史以来最棒的几期《科学美国人》之一。一些与我交流过的神经科学家告诉我，这期杂志对他们的职业选择影响巨大——对我也是一样。
该期杂志的最后一篇文章——《关于大脑的思考》，由DNA结构的发现者弗朗西斯·克里克撰写。他那时已经转投大脑研究领域。克里克认为，尽管科学家们对于大脑的细节知识已有大量积累，但大脑的工作原理仍然是一个极大的谜题。科学家通常会避免去写他们所不知道的事物，但克里克就像那个指出皇帝没有穿衣服的小男孩一样，对此毫无顾忌。克里克宣称，神经科学只是一堆没有任何理论的庞大数据。他的原话是：“明显缺乏一个大的理论框架。”在我听来，这就像是一位英国绅士以委婉的措辞表示：“我们对此事完全摸不着头脑。”在当时，这是句大实话，即便到了今天，也仍然不假。
克里克的话就像是一声集结号，将我研究大脑和建造智能机器的人生梦想就此唤醒。虽然当时我已远离了学校，但还是毅然决定转行。我开始计划研究大脑，不光要了解它的工作原理，还要以这些知识为基础，发展新技术来构建智能机器。但将这一计划付诸行动，仍需要一些时间。
1980年的春天，我被调至英特尔驻波士顿的分部，与我后来的妻子团聚了。她那时刚开始攻读研究生。我一边负责给客户和员工讲解如何设计微处理器系统，一边已将目光投向了另外的目标：寻找发展大脑理论的办法。工程师的直觉告诉我，一旦破解了大脑的工作原理，便可以依葫芦画瓢地造出它们。而用来建造人工大脑的天然材料就是硅。考虑到我所供职的英特尔公司发明了硅内存芯片和微处理器，我想也许能说服公司，允许我将部分时间用于有关智能的研究和设计仿生大脑的记忆芯片上。于是我给英特尔当时的董事长——戈登·摩尔（Gordon Moore）去了一封信，内容大致如下：
亲爱的摩尔博士：
我提议我们公司成立一个专门研究大脑工作原理的小组。该工作可先从一个人（即我本人）开始，以后逐步发展壮大。我有信心我们能干成这事。相信在未来，它将给咱们带来巨大的商机！
杰夫·霍金斯
摩尔看了信后，把我介绍给了英特尔公司的首席科学家特德·霍夫（Ted Hoff）。我飞到加州同他会面，并重申了我的建议——研究大脑。霍夫在两个领域作出了卓越的贡献：一是设计发明了第一台微处理器，二是对早期的神经网络理论作出了出色研究。当时我仅知道前一桩，而对后一桩并不知晓。霍夫曾在人造神经元及其应用潜力方面进行过研究，但我对这一情况毫无准备。听完我的建议后，他表示并不相信人类在可预见的将来能够弄清大脑的工作原理，因此没有道理让英特尔支持我。我不得不说，他是对的，因为25年后的今天，我们才刚刚开始在理解大脑的道路上有所迈进。在商界，时机决定着一切。不过当时我仍然感到很失落。
我原打算寻求一条捷径来实现目标，在英特尔公司研究大脑本该是最便捷的。既然此路不通，我只好退而求其次，决定去申请麻省理工学院（Massachusetts Institute of Technology，MIT）的研究生。该学院一向以在人工智能方面的研究著称，这对我将来的研究之路大有助益。初看之下，我似乎完全具备申请条件：在计算机科学方面接受过广泛训练——符合；渴望建造智能机器——完全符合；想先从研究大脑开始，了解它的工作原理……呃，等一下，好像有哪里不对了。这最后一项——弄清大脑如何工作，在MIT人工智能实验室的科学家眼里，是“不可能完成之任务”。
我仿佛一头撞在了南墙上。当时的MIT是人工智能领域的航母。在我申请的同时，大批有才华的头脑正向这里汇聚，着迷于用计算机编程来产生智能行为。对于这些科学家来说，视觉、语言、机器人学和数学都只是编程的问题。既然计算机能够做到大脑所做的一切，甚至更胜一筹，那么我们何必再用大脑这纷繁芜杂的生物性机理来束缚住我们的思想呢？他们认为研究大脑会限制思想，而更好的办法是研究数字计算机所能表现的计算能力的极限。他们的“圣杯”便是编写能够与人脑媲美并最终超越人脑的计算机程序。他们采取了一种以结果来验证手段的研究方法，而对真实的大脑如何工作毫不关心，有些人甚至为自己绕开了神经生物学而沾沾自喜。
正是这一解决问题的错误方式深深震撼了我。直觉上，我认为人工智能的方法不仅无法创造出能模仿人类行为的程序，它甚至也不能告诉我们智能是什么。计算机和人脑的工作原理完全不同，一个只是被编出来的程序，另一个则拥有自我学习的能力；一个必须做到绝对完美才能运行，另一个则天生能够灵活应对，对失误有容忍度；一个具有中央处理器，另一个则不存在中央控制。类似的差别不胜枚举。我之所以认为计算机无法实现智能，最重要的原因是，我从晶体管层面上理解计算机的工作原理，而这些知识令我产生了一种直觉，即大脑与计算机在本质上完全不同。我无法证明这一直觉，但它之于我，就像人们凭直觉所能确定的任何事一样。最终我得出了结论：人工智能领域的研究或许会催生出有用的产品，但它绝不会建造出真正意义上的智能机器。
与人工智能相反，我想要做的是了解真正的智能和知觉，研究大脑的生理学和解剖学基础，响应弗朗西斯·克里克所提出的挑战，构建一个能解释大脑工作原理的大框架。我把目光投向了大脑的新皮层——哺乳动物的大脑在进化中最新发展出的部分，也是智能的产生之处。只有在认识了新皮层的工作原理之后，我们才能够开始建造智能机器。
遗憾的是，我在MIT的教授和同学中从未遇到知音。他们认为，理解智能和建造智能机器，根本不需要去研究真正的大脑——他们确实是这么说的。1981年，MIT拒绝了我的申请。
今天，许多人认为，人工智能领域仍然是一片生机，只待计算机拥有足够的计算能力，便可以兑现其许下的种种承诺。按照这一思路，一旦计算机拥有足够的内存和强大的处理器，人工智能的程序员们便能够制造出智能机器。我不同意这一观点。人工智能领域存在着一个根本性的错误：它无法充分解释智能是什么，也无法回答理解事物的能力究竟意味着什么。简要回顾一下人工智能的历史及其建立时的信条，我们就能够看出它是如何偏离正确轨道的。
人工智能的方法是伴随数字计算机的出现而诞生的。早期人工智能运动中的关键人物，英国数学家阿兰·图灵（Alan Turing），也是“通用计算机”这一想法的提出者之一。他的卓越贡献在于正式提出了“通用计算”的概念：尽管建构的细节存在差异，但从原理上来说，所有的计算机都是相同的。他设想了一个虚拟机器来证明这一点。这个机器由三部分组成：一个处理盒、一条纸带以及一种能从纸带上读取和写入标记、并能来回移动的装置。纸带是用来存储信息的——就像大家熟知的计算机代码1和0一样（当时内存和硬盘还未发明，图灵想象用纸带来存储信息）。处理盒，即今天所谓的中央处理器（CPU），遵循一套固定的规则从纸条上读取和编辑信息。图灵从数学层面上证明，如果为CPU选择了一套正确的规则，并给予它无限长的纸带，这台机器便能够运行宇宙中任何可定义的操作。它可能相当于现在被称为“通用图灵机”的众多机器之一。无论是计算平方根、计算弹道轨迹、玩游戏、编辑照片，还是银行对账，其底层皆是1和0代码，任何一台图灵机都可以通过编写程序来解决这些问题。无论采用何种形式，信息处理就是信息处理。所有的数字计算机在符号逻辑上是等价的。
图灵结论的正确性无可辩驳，在应用上亦富有成效。计算机革命及其所有成果都以此为基石。随后，图灵转向了如何建造智能机器这一问题。他一方面感到计算机可以拥有智能，另一方面却不愿被卷入对其可能性的争论之中。由于认为自己无法给智能一个正式的定义，他甚至没有作出尝试。取而代之的是，他提出了一个证明智能存在的方法，即著名的图灵测试：如果一台计算机能够骗过人类询问者，诱使他相信它也是人类，那么从定义上来说，这台计算机就拥有智能。以此测试作为检测工具，以图灵机作为媒介，图灵就这样帮助开创了人工智能领域。这一领域的信条是：大脑不过是另一种类型的计算机。因此，只要能让人工智能系统产生与人类相似的行为即可，如何设计它并不重要。
人工智能的拥护者们看到了计算机和人类思维之间的相似之处。他们说：“你看，人类智能行为中最令人印象深刻的，莫过于对抽象符号的操纵——这一点计算机也可以。当我们在说和听的时候，大脑里发生了什么？我们正是在使用恰当的语法规则操纵着被称为词的心理符号。下棋时呢？是在使用抽象的心理符号来表征各个棋子的属性和位置。看东西时又是怎样呢？我们用抽象心理符号来表征对象的位置、名称和其他属性。当然，人们用以完成这一切的是大脑，而不是我们所建造的各种计算机，但图灵已经表明，如何实现或操纵这些符号并不重要。你可以使用齿轮、电子开关系统或大脑中的任何神经元网络做到这一点，只要你的媒介可以实现与通用图灵机相同的功能。”
这一假设得到了一篇极富影响力的科学论文的支持。该论文于1943年由神经生理学家沃伦·麦卡洛奇（Warren McCulloch）和数学家沃尔特·皮茨（Walter Pitts）共同发表。在论文中，他们描述了神经元如何能够执行数字功能——神经细胞如何以可理解的方式复制计算机的核心形式逻辑。该想法认为，神经元能够像电脑工程师们所谓的逻辑门一样工作。逻辑门能够实现简单的逻辑运算例如and、not和or，计算机芯片即是由数百万逻辑门连接在一起而组成的精确、复杂的电路，CPU就是逻辑门的集合。
