連大腦結構都不知道,還談什麼人工智慧!

2020-12-05 和訊
去年寫過一篇關於人工智慧的長文,算是比較系統思考了一下這個領域裡的形而上的問題。

  這幾天,估計你們都會被谷歌機器大戰

韓國

圍棋手的新聞吸引。不管這場戰役的結果如何,我覺得意義並不是很大。不管是圍棋棋局還是西洋棋棋局,變化千萬種,但終究是可量化識別的。這種識別在經過

高強

度「學習」之後,是一個相對簡單的能力。其實,就像嬰兒的大腦發育一樣。

  目前,關於人工智慧的探討還停留在統計學階段,當然統計是基礎。但隨著人們對算法的迷戀加深,就很容易忽略一個問題:人工智慧和人形機器是一樣對嗎?

  我理解的人工智慧是人類大腦的外延,而不是和人類站在對裡面的新物種。即使有了新物種,也應該是以人類作為主體。所以,探討人工智慧,必須要在腦科學的基礎上,而非簡單的計算機科學。  

下面這段文字,摘自我的那篇長文。

  如果說《奇點臨近》是一本人工智慧百科全書的話,《如何創造思維》則是對詞條的深入解釋。全書僅僅圍繞著「大腦新皮質」展開。

  新皮質包含幾個細胞結構區,每一區域有各自的細胞組織方式及其自己獨特的連接方式。新皮質有四個腦葉,每一個腦業有自己獨特的功能,額葉主要是處理行為訊息,頂葉掌管體覺與觸覺訊息,顳葉掌管聽覺訊息,枕葉掌管視覺訊息。在皮質演化的後期發現兩個重要的發展,即語言功能和前額功能的快速竄升與發展。在全腦結構中,僅前額葉有這麼周全的神經網絡和腦部各區有聯機,正因此,它可以協調、整合其它結構功能,其特性在於它是意識的先決條件,即所謂的內在知覺(inner perception)。

  通俗來說,新皮質就是具有思考功能的大腦皮膚。不過,在進入關於新皮質的探討之前,庫茲韋爾卻出人意料的在前兩章中提出了「思想實驗」的概念。所謂思想實驗,就是在思想中進行試驗,大部分的結論的得出是在大腦的推演中形成的。

  比如,庫茲韋爾提到的達爾文和愛因斯坦,他認為兩者是關於思然的思想實驗的標誌性人物。一位是進化論理論的奠基者,一位是推動經典物理學向量子物理學進化的20世紀最偉大人物之一,二者的共同之處在於提出了世紀假說,且對於現在的科學實驗條件,都無法完全證明。

  達爾文和愛因斯坦分別帶著生物學和物理學走入了哲學的領地,就像盧梭和康德,他們賴以改變世界的來自於大腦的邏輯推理能力。如果縱觀庫茲韋爾的《如何創造思維》一書,你會發現這基本也是一本思想實驗的產物。本書並沒有自然科學中嚴格的、自始至終的實驗作為大腦新皮質假說的支撐。說到底,這是一本推理之書。不過沒有關係,因為庫茲韋爾從出道至今,其理論都是面向幾十年後的未來,他要做的不是證明已經存在的,而是引領出他認為即將存在的。

  庫茲韋爾在書中鼓勵自己到,「如果一個年輕人只需空想和筆紙就足以徹底改變物理學觀念,那麼對於熟知之物,我們理應能取得更深刻的認識。畢竟,在清醒的每一刻,我們都在思考。」

  我可以做這樣一個大膽的斷言,與其說庫茲韋爾在向兩位世紀大神致敬,不如說他在暗示,自己就是人工智慧領域裡的達爾文、愛因斯坦。或許他的野心更大,因為這本書的第二章叫做「思考的思想實驗」,

  有意思的是,「思考」對於人類各學科來說,都是終極命題。人類是如何思考的?意識是如何產生的?它從哪裡來,要到哪裡去?動物也會思考嗎?外星人到底是我們的觀念產物,還是真是存在的?等等等等,都可以認為是「思考」下的子命題。

  從《超體》裡的那隻猩猩,到柏拉圖,到笛卡爾,到康德,到海德格爾,在各領域裡均有影響此話題的裡程碑式人物。但是這次,庫茲韋爾沒有選擇任何人為自己背書,他只選擇了自己的理論,第一句話便是「我大約在1960年開始思考『思考』這一命題。」那時,他才12歲。

  可惜,這一章節極其單薄,庫茲韋爾僅僅是簡述了人類思考的有三大特點:

  · 記憶是一種有序的圖像記憶。如果不藉助「書面語」這一人類成長中第二重要的工具(庫茲韋爾認為第一重要的工具是「口語」),實現倒序或者插敘記憶是很難的,而對於計算機來說,輕而易舉。

  · 觸髮式聯想。

  · 具有層級結構的記憶模式。

  第3章至第6章是《如何創造思維》的核心部分,庫茲韋爾祭出了自己的殺手鐧,大腦新皮質。

  由於在本書中,庫茲韋爾並沒有對人腦結構以及新皮質的概念做出詳盡的說明。如果你沒有腦科學方面的知識,一定會被「新皮質」這個被作者無限神話的詞所吸引,就好像我們現在對「

網際網路

思維」這個詞吸進了一個炫目黑洞之中。

  為了方便理解,我要略花費些篇幅做些介紹。

  不過,在在此之前,我要點出這本書沒有解決的問題。庫茲韋爾在本書中濃墨重彩的突出哺乳動物的優越性,卻忽略了哺乳動物之間的比較。比如人和猩猩的區別到底在哪裡?這個問題用神經元的理論可以解釋嗎?

  《猴有猴的生活》一書的作者萬內薩·

伍茲

(Vanessa Woods)和杜克大學的人類學教授布萊恩·黑爾合寫過一篇文章,《超越大腦:為什麼智人要從樹上下來,為什麼其他動物不跟著學?》兩位作者倭黑猩猩的DNA和人類相比,近似度達到98.7%。這種生活在非洲剛果民主共和國裡的猩猩有著烏黑茂密的長髮,絕佳比例的運動員身材,發達的二頭肌以及清晰可見的六塊腹肌。它們似乎完全符合柏拉圖對「人」的定義:沒有羽毛靠雙腿行走的生物。但顯然,它們並不是人,僅僅1.3%的差異,卻帶來了天壤之別。

  經過對黑猩猩的大量實驗,兩位作者發現,人類之所以為為「人」的原因在於他們更善於合作,且是以生存為目的合作。黑猩猩和人類擁有近似的情感,比如自私,比如狡詐,甚至還能產生簡單的合作。但是,黑猩猩的合作往往是出於「喜歡」或者「不喜歡」的情感需求,它們在野外時,往往對彼此缺乏寬容度。

  「合作」到底是如何在大腦中迸發出來並形成人類的普遍共識的呢?對這個關鍵的問題,庫茲韋爾在《如何創造思維》中並沒有涉及,不可謂不遺憾。

  書歸正傳。人腦的結構大概是這個樣子的:

  大腦分為左右兩個半球,前後分別有額葉,頂葉,顳葉和視葉。大腦的下邊是小腦,像兩個羊毛團。大腦裡有腦橋和髓質,他們是由腦幹,腦丘,下視丘,海馬體和胼胝體構成。在大腦和小腦外部,具有很薄的灰色表層,也稱灰質,也就是我們所說的大腦皮質。而在人腦的內部區域是白色物質,也稱白質。在灰質中主要進行各種計算,白質是由神經纖維組成,負責頭腦裡各個部分之間的信號傳遞。

  從進化的角度而言,大腦皮質分新皮質和古皮質(在本書中,庫茲韋爾稱之為舊腦)。古皮層主要包括嗅覺皮層和邊緣系統(LimbicSystem)。邊緣系統包含海馬體及杏仁體、下視丘、腦丘在內,支援多種功能例如情緒、行為及短期記憶的大腦結構。也就是說,古皮質負責處理動物的基本感官信息,並傳遞給新皮質,作出更高級的反應,也就是「思考」。

  在哺乳動物的進化過程中,有的動物可以適應環境,完成進化,有的動物則徹底滅絕,用庫茲韋爾的話來說,都是大腦新皮質在起決定作用。顯然,恐龍是沒有新皮質的。

  「大腦新皮質負責感官知覺,認知從視覺物體到抽象概念的各項事物,控制活動,以及從空間定位到理性思考的推理以及語言——主要就是我們說的『思考』。」庫茲韋爾很明確地將「思考」能力歸在了大腦之下,也為人工智慧的開放方向做了定論,——無大腦無智能。或者用他自己的話來說,人工智慧的任務不是複製大腦,而是要到達和大腦對等的水平。

  所以,研究人工智慧,一定要先從研究大腦開始。我對這個觀點是認同對。首先,「人工智慧」本身就是人類大腦的產物,從一開始就和「腦」有著千絲萬縷的聯繫。其次,對於高級哺乳動物而言,「智」從何處來?就好像我們問,計算機的核心運算能力在哪裡一樣。總要有一個叫做「中央處理器」的東西來制約著軟體的運行能力。

  在進入大腦新皮質的概念之後,庫茲韋爾就開始了自己愛因斯坦式的假說。而他的假說是基於另一個假說之上,即

美國

神經系統科學家佛農·蒙卡斯爾的柱狀組織論。這位神經學教授發現了在新皮質中存在一種叫做「皮層柱」的新組織,並假設其可以作為不段重複的基本單位。庫茲韋爾欣喜若狂,將這個發現稱之為「相當於1887年反駁以太存在說的麥可遜—莫利實驗對於物理學的意義。」

  麥可遜—莫利實驗是物理學中的經典時刻。這個實驗幾乎推翻了自古

希臘

時期以來的以太說,直接開啟了愛因斯坦的心智。可以這麼說,如果沒有這次偉大的實驗,相對論恐怕要晚很長時間才能問世,更別說量子物理學了。

  如此比喻,可見庫茲韋爾認為自己找到了通向人腦運行機制這個神秘大門的鑰匙了。將皮層柱作為可重複的單一機制,不知道是不是計算機科學家獨有的快速反應機制,因為你可以在第一時間聯想到「0/1」這個計算語言的基本單位。兩個數字,道盡大千宇宙。

  庫茲韋爾將蒙卡斯爾的發現做進一步假設,皮層柱是由大量識別器組合而成。被他稱為「模式識別器」的東西本質是神經元組織,這些識別器彼此交織,且隨著學習能力的加強,不斷進化。庫茲韋爾提出,「我們在大腦新皮質中看到的(模塊的)複雜連通性不是由遺傳密碼預先設定的,而是為反映隨著時間的推移我們學習到的模式而創造的。」

  庫茲韋爾認為,學習比遺傳更重要!

  至於大腦新皮質中模式識別器的數量,庫茲韋爾是這麼推算的,「人類的大腦新皮質中約有50萬個皮質柱,每個皮質柱佔據約2毫米高、0.5毫米寬的空間,其中包含6萬個神經元,因此大腦新皮質中總共有大約300億個神經元。一項粗略的評估表明,皮質柱中的每個識別器模式包含大約100個神經元,因此,大腦新皮質中大約有3億個識別器模式。」如此看來,皮質柱的體積並不算細小無比,加之數量如此龐大,這下我們應該知道,人的前額為啥寬大了吧?

  對模式識別器的假設,至關重要,這直接決定了人類大腦最獨特的優勢就在於「識別能力」。就像庫茲韋爾說的,人的邏輯處理能力很簡單,但是識別能力很強大。為啥卡斯帕羅夫敢於面對可以每秒分析2億個棋盤局面的超級電腦「深藍」?而且還勝出過?

  卡斯帕羅夫學習了大約10萬個棋盤局面,從而可以輕易將眼下的棋局和自己掌握到的知識點進行對應。大腦新皮質的作用就在於識別出模式之後,激活腦中的知識點。但知識點並不是唯一對應的。

  比如,我在閱讀庫茲韋爾的作品時,被「意識」這個概念激活的知識點並非屬於單一的生物學或者計算機科學。根據我的知識背景,更多的是要調用哲學知識庫中的彈藥。再比如,我們面對一盤魚香肉絲的時候,腦中還會聯想到

四川

魚香肉絲,

北京

魚香肉絲,海派魚香肉絲,差異就在於佐料添加不同,烹飪步驟不同。這些有可能被激活的知識點,被庫茲韋爾成為「冗餘」。

  一個點對應一個模式。庫茲韋爾認為,每個知識點的冗餘係數大約為100,那麼我就要存儲1000萬個模式。再將生活中的智慧算進去,模式總量會超過1億個。所以,發展人工智慧的關鍵還是提高其識別能力。想一想我們是經過了多少生活的場景和歲月的歷練才能掌握一些模式,這對於計算機來說,難度何其之大!

  層次性是庫茲韋爾認為的大腦新皮質具備的另一大特點,這就和人的邏輯思維方式一樣。目前的研究已經證實,大腦新皮質分為六層,每一層都和古皮質(舊腦)中的某些部分連接,比如丘腦。這樣是為了獲取信息。當你識別模式的時候,模式處理器也會按照層級的方式來工作。一般來說,有一個主要模式處理器在最上層。比如,我看到了一個蘋果。「蘋果」是對應的是主要模式處理器,下面還會有「顏色」,「形狀」,「大小」,「光澤」。在實際辨別過程中,信息流是自下而上的,先從低級別的模式開始向上流動。

  因此,庫茲韋爾說,「模式識別器之間的連接關係創造了概念層級。」但這些層級並非我們想像中的森嚴壁壘。由於大腦新皮質本身很薄,這裡所謂的「層級」只是概念上的而已。

  也正是因為信息流自下而上的逆序過程,大腦新皮質的工作就是做出「預測」。對這個問題並不難理解。在我最喜愛的美劇《疑犯追蹤》裡,哈羅德給那臺超級機器的最高概念是「制止非相關人員的犯罪」。「犯罪」就是最高層級的識別模式。這樣,我們才可以看到大數據在這部片子中的神奇表現,通過調閱目標人物德通話記錄,社保記錄,消費記錄,地點記錄這些相對低級別的模式,從而推論出其距離「犯罪」這個概念究竟有多遠。

  不過,「預測」並非是線性的。比如,根據蘋果的形狀和光澤就一定能推論出那是一個蘋果嗎?庫茲韋爾顯示了其嚴謹之處,「我們的思想可以由定向模式或發散模式激活,它們都使用相同的皮質連結。在發散模式中,我們讓連結自行運作,並不試圖將它們引導至某一特定方向。某些形式的冥想就是建立在隨心所欲的基礎上,夢也有這種特點。」

  這是一個很重要的補充,我對「大數據」的質疑也在於此,機器如何判斷我的皮質連結會通向何處呢?假如我們都活在別人的夢裡,你又如何推斷出別人的邏輯呢?這種帶有行為主義烙印的大數據觀有其適用的範疇,但很有限。

  當然,這並非是說我們無法認知別人的思維。按照上面說的,我們只要能跟蹤到皮質連結的去處就可以。換句話說,我們需要一套複雜精密的設備,能跟蹤到對方的腦信號。這成本是不是太高了?

  此外,大腦新皮質的另外兩個能力是學習和做夢。由於篇幅所限,這裡不再贅述。簡單來說,學習並非天生具備,而是嬰兒在發育到6個月左右時,大腦新皮質開始出現,並隨著其發育沒學習能力增強。庫茲韋爾認為,學習和模式識別是同時發生的。在此書中,庫茲韋爾沒有提及的是,普遍認為,人類的大腦在3歲祖左右就會停止發育,但是倫敦大學的莎拉-傑恩·布雷克

摩爾

(Sarah-JayneBlakemore)提出,在人的青少年時期,額葉前皮質(也可以認為是大腦新皮質的一部分)依然在發展,且它與人的認知能力有密切關聯。它是社會腦的一部分,而社會腦就是指與理解他人有關的腦區網絡。

  千萬不要忽略社會腦的概念,這是發展人工智慧的雷區。至於人是否先天有經驗,我建議讀者可以對比康德的純粹理性批判來看,這會是一個很有意思的辯題。

  在「夢的語言」這一小節,庫茲韋爾沒能提出更新的觀點和證據。他提到大腦前皮質具有虛構的功能,滿足人在現實社會中不能實現的願望。這是經典的佛洛伊德理論,即夢擔當了解壓閥的職能。

  在《如何創造思維》這本書中,除了對大腦新皮質的運行假說,庫茲韋爾幾乎沒有提出更新穎的,哪怕是駭人聽聞的概念。無論是關於古皮質(舊腦)的情緒處理能力,還是關於人的天分從哪裡來,大都借鑑了生物學中的現成觀點。我在此也不再一一展開,讀者可以在一些相關讀物中讀到更詳盡的素材。

  我特別想補充的是,著名的英籍匈牙利作家阿瑟·庫斯勒在秉承了

英國

意識哲學大師

吉爾伯特

·賴爾的「機器中的幽靈」之後,提出了Holon說。他認為每個人都有Holon,其原始層是可以壓制理性的,在一定的外部條件刺激下導致犯罪行為。這就是哈羅德在《疑犯追蹤》裡做的事情,通過大數據預測結果,再倒推出犯罪形成的原因。庫斯勒是相信「三體大腦」的假說,認為人腦中的基本結構是原始動物的腦結構。大腦結構雖然在不斷進化,但是始終是在大腦構架的原始基礎上進行改進的,這種原始構架即是人心中的幽靈。

  庫茲韋爾的大腦新皮質假說,在哲學上的確有此一說。

(責任編輯:馬郡 HN022)

相關焦點

  • ...人工智慧:與其坐等認知科學家「猜謎」,不如直接繪製大腦結構圖譜
    這部分的任務是什麼?甚至這個概念是什麼意思?在腦計劃準備過程中,就有不少爭論,之後肯定還會有爭論。有爭論是好事,有利於把有限投入用到刀刃上。這裡我圍繞「類」、「腦」和「計算」三個問題談一下自己的看法,與業界同道和廣大同仁商榷。「類」:功能類腦還是結構仿腦?
  • 否則還談什麼人工智慧
    而關鍵的問題在於:計算機能完全模擬我們的大腦麼?或者反過來,你的大腦是一臺計算機麼? 計算機能模擬人腦麼? 從理論上來說,模擬人腦應該是可行的。我們可以模仿人腦的物理、化學和電子結構,將所有的細節都輸入計算機,從而產生與真實的人腦相似的輸出結果。
  • 人工智慧神經網絡你知道是什麼嗎
    打開APP 人工智慧神經網絡你知道是什麼嗎 企業新聞 發表於 2020-04-09 11:28:47 朋友們, 如需轉載請標明出處:www.captainbed.net 什麼是人工智慧?
  • 人工智慧進軍醫療,ET醫療大腦問世,雲棲大會到底談了什麼?
    ET醫療大腦每年的雲棲大會都是一些「黑科技」的角鬥場,現在的人工智慧技術已經慢慢地向醫療科技領域發展了。阿里健康董事會主席吳永明與阿里雲總裁胡曉明一起出現在了阿里AI醫療專場,共同宣布建立阿里醫療人工智慧系統「ET醫療大腦」。阿里健康CEO沈滌凡說:「這一次與阿里雲共建ET醫療大腦,不局限於在資源的共享上,雙方在各自擅長領域中進行有效互補,在醫療AI領域發揮1+1>2的作用。」
  • 谷歌高管談人工智慧:2029年超越人類
    據外媒報導,谷歌工程總監、著名未來學家雷伊·庫茲韋爾近日在奧斯汀舉行的SXSW大會上大膽預測:技術奇點時刻將在2029年到來,而那時人工智慧的智慧將超過人類。庫茲韋爾向來以精準地預測未來聞名於世,不知道這一次是否還會預測準確。
  • 我們的大腦是一臺量子計算機,人類是「神」創造出來的人工智慧?
    美國亞利桑那大學的斯圖亞特·哈默羅夫博士和英國物理學家羅傑·彭羅斯爵士都認為,靈魂是儲存在量子維度上的信息。他們認為,人類的量子信息存儲於以蛋白質為基礎的微管之中,而微管是人類細胞結構的組成部分。通俗點講,就是我們的靈魂存儲在大腦細胞中的微管結構中。我的猜想是,我們的大腦就是量子計算機的硬體部分,而軟體部分,也就是量子計算機的作業系統應該就是我們的靈魂。
  • 周鴻禕和庫茲韋爾密談都聊了什麼?
    我的父親在上世紀 60 年代就有這樣的情況,連走路也成了困難。現在已經有一種方法通過對幹細胞重新編程,可以解決這個問題。我們還可以通過機器學習的方法,來更好的對基因進行重新彙編和改進。周:我覺得你跟 Kevin Kelly 觀點很像,科技進化跟生物進化一樣,是人類不可以改變的趨勢。但我想知道科技進化到現在是一個很偶然的情況,還是一種必然的力量推動?
  • CCAI | 人工智慧的將來,是否就埋藏在大腦那些神經元突觸間美妙的...
    而大腦最主要的部位就是大腦皮層,這是我們人類最發達的一個部位,大腦之下的很多結構,叫皮層下結構,是比較早期就出現了的,不過在進化中,從猴到猩猩到人,這個皮層的結構得到了極大的增長,這就是人類認知的主要來源。腦科學最主要關注的質疑就是皮層的各種功能。現在我們已經知道,大腦皮層的各個部位是分管各種功能的,就是說,功能是分區的,你的哪個區域受損,就會喪失相應的腦功能。
  • 我們的大腦是一臺量子計算機,人類是「神」創造出來的人工智慧?
    他們認為,人類的量子信息存儲於以蛋白質為基礎的微管之中,而微管是人類細胞結構的組成部分。通俗點講,就是我們的靈魂存儲在大腦細胞中的微管結構中。我的猜想是,我們的大腦就是量子計算機的硬體部分,而軟體部分,也就是量子計算機的作業系統應該就是我們的靈魂。
  • 都在談人工智慧,但你知道它的潛力、實踐意義、障礙是什麼嗎?
    在 1967 年,認知科學家馬文·明斯基(Marvin Minsky)說:「在一代人之內,創造『人工智慧』這個問題將會得到實質解決。」西蒙和明斯基二人都是知識分子中的巨擘,但他們都錯了。所以,對未來突破的戲劇性主張遭到了一定程度的懷疑。 我們先來看看,人工智慧現在在做些什麼,以及它在以多快的速度發展。最大的兩個進步發生在這樣兩個廣闊的領域:感知和認知。
  • 蘋果發布會讓AI又爆紅了科技圈,但你知道什麼是人工智慧嗎
    2017年人工智慧被寫入政府工作報告,現今不管媒體還是民眾,言說必談人工智慧。更有人預言:人工智慧時代必將到來!在人工智慧領域一直略顯「落後」的蘋果,也終於在昨晚凌晨發布了第一款真正意義上的人工智慧產品——HomePob,殺入智能家居市場。可,什麼是真正的人工智慧?人工智慧到底是一次革命還是一場災難?人工智慧是否會顛覆和取代某些行業?傳統行業能否參與進人工智慧領域?
  • 人工智慧來的前一夜 世界都發生了什麼?
    不論是發燒友們愛的高保真的歌曲、4K電影,還是每天大家在使用的4G、WiFi,所有信息的傳輸都離不開香農的資訊理論。事實上,我們的大腦也在運用香農的理論,大腦儲存信息時都包含大量的冗餘,以解決神經傳輸系統自身的不可靠性。萬能的圖靈機在解決信息傳輸問題後,科學家們需要證明我們在理論上能解決計算的通用性問題。1936年,艾倫·圖靈提出「圖靈機」這一思想實驗。
  • 你還不知道吧?天貓雙11的客服95%是人工智慧
    在這個過程中,功不可沒的是人工智慧。  阿里小蜜累計接待消費者超632萬,這相當於5.2萬客服小二連續工作24小時。店小蜜首次為9個商家提供客服支持,雙11當天共計接待消費者近百萬。阿里巴巴人工智慧服務家族表現驚豔,智能服務承接佔比超95%,成為雙11服務的主力。
  • 「城市大腦」,一場前所未有的人工智慧進化
    無論是載人飛船的飛天,還是人工智慧的進化,都是人類科技在近年來取得的巨大飛躍,都足以讓人為之心潮澎湃。 前者作為高精尖技術的代表,直指蒼穹探索具有無限可能的宇宙空間;而後者則更直接影響到廣大城市居民工作和生活的方方面面,相對來說要更接地氣。
  • 人工智慧浪潮下的洋流,追求模擬大腦的功能
    深度學習正遍地開花,但它可能並非人工智慧的終極方案。無論是學術界還是產業界,都在思考人工智慧的下一步發展路徑:類腦計算已悄然成為備受關注的「種子選手」之一。 如果說,當下人工智慧發展浪潮正波濤洶湧的話,類腦計算就是浪潮之下的洋流。雖不太引人注意,未來卻有可能改變人工智慧發展趨勢。 原因之一是,深度學習雖在語音識別、圖像識別、自然語言理解等領域取得很大突破,並被廣泛應用,但它需要大量的算力支撐,功耗也很高。 「我們希望智能駕駛汽車的駕駛水平像司機一樣,但現在顯然還達不到。
  • 智商不夠用了!人工智慧VS最強大腦簡史
    筆者本人非常喜歡的美劇疑犯追蹤(Person of the Interest)、西部世界(West World)裡面都有人工智慧的影子。當然那都是基於幻想的作品,而非已經實現的系統。但是有些競技對抗不是這樣,是信息不完全公開的,有玩家都不知道的黑幕。比如Deepmind希望挑戰的星際爭霸2這個遊戲,開局後地圖上就有黑幕,是看不到對家在怎麼操作的。
  • 人工智慧神經網絡和生物大腦有什麼區別 神經網絡將如何發展
    (實際上,還涉及許多其他複雜性,例如調整超參數,但這將是另一篇文章的主題。)那麼,基因組到底包含什麼呢?答案因人而異。例如,在蠕蟲等超簡單的生物中,基因組包含了整個神經連接的所有細節。但是對於像人腦這樣的複雜系統,它具有大約如果有1000億個神經元和100萬億個突觸,就無法對基因組中的所有內容進行編碼,而基因組的空間約為1 GB。扎多爾說:「在大多數大腦中,基因組不能指定明確的接線圖,而必須指定一套在發育過程中連接大腦的規則。」
  • ...大腦找答案|人工智慧|深度學習|腦科學|神經科學|計算機_網易科技
    還提出了新型卷積空間並行架構,成倍提升了系統處理速度。為什麼憶阻器存算一體適合人工智慧呢?因為交叉陣列結構特別適合快速矩陣向量乘法。存算一體可以減少權重搬移帶來的功耗和延時,有效地解決目前算力的瓶頸。另外,人工智慧更關注系統準確性,而不是每個器件的精度,這特別符合憶阻器和模擬計算的特點。我們還和畢國強老師合作了一篇綜述文章。
  • 人工智慧中的11個悖論(誤區)預示了實現通用人工智慧的正確道路
    1979年9月出版的《科學美國人》是大腦研究專刊,專題最後一篇文章中,Francis Crick(DNA結構發現人之一)寫道:「儘管人們積累了大量有關大腦研究的詳盡數據,但其工作原理仍是難解之謎。神經科學只是一堆沒有任何理論的數據,最明顯的是缺乏概念框架」。Crick甚至沒用「理論」這個詞,他說,我們根本不知道怎麼去想,因為連基本框架都沒有。
  • 《人類簡史》作者談人體/大腦/DNA,人工智慧時代須心理平衡!
    的演講,談到了人體、大腦、DNA ,以及未來人類如何對待人工智慧方面的問題。或許,過一兩百年未來人類將利用這些數據改造人體、大腦和思維,現在的我們也將成為最後一代智人。尤瓦爾·赫拉利表示,相對於今天人們在意的電腦、手機、郵件帳戶、銀行帳戶數據,未來人體的生理數據將成為至關重要的數據。屆時,信息科技與生物科技結合,就有人可輕易Hack(對開源程序代碼進行增加、刪除或者修改)人類的生物數據,將人體和大腦的發出的生物信號轉化為機器可存儲分析的電訊號。