找回密码
 点击注册
搜索
查看: 8117|回复: 0

认知机制模仿大脑AI已经越来越接近人类大脑

[复制链接]
发表于 2019-7-4 10:30:26 | 显示全部楼层 |阅读模式

AI越来越接近人类大脑


      人工智能(AI)是模仿大脑的一项技术,如今,使其进一步接近大脑的研究正得到推进。日本情报通信研究机构将开发像人类的大脑那样、以少量范本即可学习的AI,而东芝则以AI再现了大脑把握空间部位的一部分。发挥能进行灵活的思考、能源消耗少的大脑的优势、在对话机器人开发等没有正确答案的领域推动AI浸透的趋势或将加速。
  
    从作为现在AI主流的深度学习来说,大多采取的机制是,让模仿大脑形成的神经网络(Neural Network)学习成为范本的庞大数据,使其变得聪明。如果可供学习的数据较少,则无法使用AI。另一方面,对人类来说,很多事情即使是第一次体验也能凭感觉进行应对。日本情报通信研究机构的筱崎隆志指出“如今的AI和生物的大脑明显不同”。这是现在的AI难以应付日常对话等的原因之一。
   
      该机构开发出了新型AI。其采用的是将通过数据学习的部分和即使没有数据也能自发作出判断的部分结合起来的神经网络。例如,对于能否将飞机和汽车等交通工具,还有猫和狗等动物分成10个种类的测试,与目前的AI比较,发现在数据多的情况下准确度基本相同,但在数据少的时候,新型AI的准确度更高。

     

AI越来越接近人类大脑

AI越来越接近人类大脑


    目前的深度学习是让通过数据学到的内容反馈到AI整体,但“人类并不会对大脑整体进行反馈”(筱崎研究员)。新型AI仅让属于判断结果的输出端反馈学到的内容,在机制上更接近大脑。

    在不易出现典型症状等的疾病的诊断等方面,难以凭借过去的数据学习规律性,因此新型AI的利用受到期待。而在自动驾驶领域,新型AI将能掌握对向车辆和行人的预想不到的行为。

    据称,将人类大脑的神经细胞连接起来的神经轴突的长度合计达到10万公里以上,明显长于日本的高精度超级计算机“京”的全部布线的1000公里长度。布线的长度被认为形成了思考的多样性等。

    另一方面,大脑的能耗仅为20瓦,是“京”的60万分之1。可以说大脑是能进行多样化判断的能耗极少的“计算机”。

    此外,利用AI再现大脑神经回路的研究也在推进。东芝与美国约翰霍普金斯大学携手,通过AI再现了在大脑内负责掌握空间的海马体神经细胞的一部分功能。研究人员通过半导体电路制造了老鼠的海马体神经回路,连处理方式都忠实重现。
   

东芝通过大脑型AI(中央电路)再现了海马体神经细胞功能的一部分

东芝通过大脑型AI(中央电路)再现了海马体神经细胞功能的一部分

东芝通过大脑型AI(中央电路)再现了海马体神经细胞功能的一部分
   
    AI通常利用0和1的数字处理来机械地进行计算。与此相反,大脑内的神经细胞则以模拟处理运行,即利用随着放电状态而产生的电信号来处理信息,机制有所不同。

    东芝促使半导体电路进行模拟处理,使AI接近了大脑的机制。该公司认为,有望推动能处理庞大信息、且以低耗电量运行的小型机器人的开发等。

    在海外,接近大脑的AI的开发也在推进。英国DeepMind Technologies 2018年利用模仿大脑功能的AI,开发出了搜索道路的最佳路线的技术。

    美国IBM也开发了模拟100万个神经细胞的半导体电路。并非像现在的个人电脑那样,每次都通过CPU(中央处理器)处理从存储器中提取的信息,而是像大脑一样,在电路之间交换电信号,进行信息处理,这样能降低耗电量。

      AI正在各个领域得到利用,但锁定为1个功能的情况很多,需要准备符合特定用途的AI。与此不同,大脑的话只要一个即可应多所有事情。更像大脑的AI被期待承担多个任务。

    东京大学的副教授高桥宏知表示“如果希望获得多样性和自律性,要向大脑学习的东西还有很多”,指出开发接近大脑的AI的必要性。

      AI的进步与大脑
  
    截至2000年代的AI主要采取统计性的模式。随着计算机处理能力的提高和脑科学的进步,采用模仿大脑的神经网络的深度学习取得成果,诞生了现在的AI。
  
    不过,从神经网络来看,虽然大脑成为基础,但在机制上,正在完成自主进化。AI的计算应用了超级计算机,与大脑不同。现在的AI的机制是将通过数据学到的知识准确反馈到AI,在基于图像识别的身份验证和结算等不犯错至关重要的情况下很有效。

    另一方面,由于“生物的大脑即使不优化也能使用”(东大准教授高桥),因此很多观点认为,接近大脑的AI将在人类的复杂社会中扩大使用场景。

      日本经济新闻(中文版:日经中文网)大越优树

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 点击注册

本版积分规则

QQ|Archiver|SiXiang.com 思乡思想

GMT+8, 2024-4-30 13:53

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表