QQ在線
企業(yè)微信
資訊
410參考消息網(wǎng)9月21日?qǐng)?bào)道據(jù)卡塔爾半島電視臺(tái)網(wǎng)站8月24日?qǐng)?bào)道，科學(xué)家們一直致力于開(kāi)發(fā)人工智能，試圖彌合人工智能與人類(lèi)大腦之間的差距。他們?cè)谧罱膶?shí)驗(yàn)中發(fā)現(xiàn)，有一些人工智能程序已經(jīng)開(kāi)始能以接近人腦的方式運(yùn)轉(zhuǎn)。
報(bào)道稱(chēng)，該研究表明，人工神經(jīng)網(wǎng)絡(luò)與人腦的運(yùn)作非常接近。
10年前，科學(xué)家們已經(jīng)培訓(xùn)了許多最先進(jìn)的人工智能系統(tǒng)，讓它們學(xué)會(huì)使用巨大的數(shù)據(jù)存儲(chǔ)，以“訓(xùn)練”人工神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)正確區(qū)分事物。
這種“監(jiān)督型”的訓(xùn)練需要通過(guò)人工來(lái)對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，這件事情是非常費(fèi)力的。而神經(jīng)網(wǎng)絡(luò)往往會(huì)使用捷徑來(lái)學(xué)會(huì)如何利用最少的信息將事物相互聯(lián)系起來(lái)。
例如，人工神經(jīng)網(wǎng)絡(luò)（一組相連的計(jì)算機(jī)）可能通過(guò)草的存在來(lái)識(shí)別牛的圖像，因?yàn)榕Ｍǔ６际窃谔镆爸斜慌牡降摹?/span>
據(jù)《量子雜志》網(wǎng)站中提到的，加州大學(xué)伯克利分校的計(jì)算機(jī)科學(xué)家阿列克謝·埃弗羅斯曾表示：“計(jì)算機(jī)和人工智能程序并沒(méi)有真正學(xué)習(xí)課程，但在考試中也能考得很好。”
此外，在那些對(duì)生物和人工智能的交叉感興趣的研究人員看來(lái)，這種“監(jiān)督型學(xué)習(xí)”可能僅限于能夠揭示生物大腦運(yùn)作的本質(zhì)。因?yàn)閯?dòng)物和人類(lèi)并不會(huì)使用標(biāo)記數(shù)據(jù)組作為唯一的學(xué)習(xí)來(lái)源，而是依靠自己對(duì)環(huán)境的探索所獲得的經(jīng)驗(yàn)，這種方式能使其獲得關(guān)于世界的豐富而充分的了解。
如今，計(jì)算神經(jīng)科學(xué)（即根據(jù)神經(jīng)系統(tǒng)結(jié)構(gòu)的信息處理特性研究大腦的功能）的一些專(zhuān)家開(kāi)始探索通過(guò)由人類(lèi)來(lái)分類(lèi)的少量數(shù)據(jù)進(jìn)行訓(xùn)練的自動(dòng)神經(jīng)網(wǎng)絡(luò)。
報(bào)道指出，機(jī)器“自我學(xué)習(xí)”算法已被證實(shí)在學(xué)習(xí)人類(lèi)語(yǔ)言方面很成功，并且最近成功做到了識(shí)別和區(qū)分圖像。
在最新的一項(xiàng)研究中，使用人工智能程序的自我監(jiān)督學(xué)習(xí)模型構(gòu)建的模擬哺乳動(dòng)物視覺(jué)和聽(tīng)覺(jué)系統(tǒng)的計(jì)算模型，顯然比監(jiān)督學(xué)習(xí)模型構(gòu)建的計(jì)算模型更接近大腦的功能。
對(duì)于一些神經(jīng)科學(xué)家而言，人工神經(jīng)網(wǎng)絡(luò)似乎開(kāi)始在慢慢揭示出人類(lèi)和動(dòng)物大腦的一些實(shí)際的學(xué)習(xí)方法。
通過(guò)向猴子與人工神經(jīng)網(wǎng)絡(luò)展示相同的圖像來(lái)進(jìn)行研究，神經(jīng)科學(xué)家使用人工神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)了視覺(jué)系統(tǒng)的簡(jiǎn)單計(jì)算機(jī)模型。
比如，對(duì)比真實(shí)神經(jīng)元和人造神經(jīng)元的活動(dòng)，可以發(fā)現(xiàn)這兩者表現(xiàn)出了非常相似且有趣的對(duì)應(yīng)關(guān)系。科學(xué)家還發(fā)現(xiàn)了用以檢測(cè)聲音和氣味的機(jī)器之間的一個(gè)通信模型。
通過(guò)對(duì)人工智能程序及其連接的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行反復(fù)的試驗(yàn)，科學(xué)家們開(kāi)始觀察到了一種接近人類(lèi)大腦學(xué)習(xí)方法的獨(dú)特學(xué)習(xí)模型。
AI Cebic研究所的計(jì)算神經(jīng)科學(xué)家布萊克·理查茲表示：“我認(rèn)為，大腦所做的學(xué)習(xí)活動(dòng)毫無(wú)疑問(wèn)90%都是自我監(jiān)督學(xué)習(xí)。”
大腦也會(huì)從自己的錯(cuò)誤中進(jìn)行學(xué)習(xí)。在我們大腦的反應(yīng)中只有一小部分源自于外部，而這一部分會(huì)告訴我們答案是錯(cuò)誤的。
理查茲及其團(tuán)隊(duì)為幫助回答各種問(wèn)題的機(jī)器創(chuàng)建了一個(gè)自我監(jiān)督模型。他們訓(xùn)練了一個(gè)人工智能，該人工智能結(jié)合了兩種不同神經(jīng)網(wǎng)絡(luò)：一個(gè)名為卷積神經(jīng)網(wǎng)絡(luò)，負(fù)責(zé)處理圖像；另一個(gè)被稱(chēng)為循環(huán)神經(jīng)網(wǎng)絡(luò)，專(zhuān)門(mén)關(guān)注移動(dòng)物體。
理查茲的團(tuán)隊(duì)發(fā)現(xiàn)，使用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的人工智能擅長(zhǎng)識(shí)別物體，但不擅長(zhǎng)對(duì)運(yùn)動(dòng)進(jìn)行分類(lèi)。
但是，科學(xué)家們將通信網(wǎng)絡(luò)分成了兩部分，然后就創(chuàng)建出了兩條路徑（不改變神經(jīng)元的總數(shù)）。即人工智能開(kāi)發(fā)了分別用于識(shí)別靜態(tài)物體以及移動(dòng)物體的兩個(gè)部分，這樣最終就能夠?qū)Τ尸F(xiàn)給它的場(chǎng)景進(jìn)行分類(lèi)。科學(xué)家認(rèn)為，這也是我們?nèi)祟?lèi)大腦所使用的方法。
為了進(jìn)一步對(duì)人工智能進(jìn)行測(cè)試，研究團(tuán)隊(duì)分別向人工神經(jīng)網(wǎng)絡(luò)和一組老鼠展示了一些視頻。值得一提的是，老鼠的大腦中也存在專(zhuān)門(mén)處理靜態(tài)圖像和運(yùn)動(dòng)特征場(chǎng)景的區(qū)域。
最后，科學(xué)家們證實(shí)，在人類(lèi)或動(dòng)物的大腦中充滿了所謂的反饋連接，與此同時(shí)目前的人工智能模型幾乎沒(méi)有這類(lèi)連接的存在。
