思维机器的思维方式与我们一样 但仅限于某种程度上

时间:2020-05-20 16:31:55来源:
导读 在夏天2009年,以色列神经科学家亨利·马克兰(Henry Markram)大步迈入英格兰牛津的TED舞台,并提出了一个不切实际的建议:他说,在十年之

在夏天2009年,以色列神经科学家亨利·马克兰(Henry Markram)大步迈入英格兰牛津的TED舞台,并提出了一个不切实际的建议:他说,在十年之内,他和他的同事们将在超级计算机中建立人脑的完整模拟。他们已经花费了数年的时间在新大脑皮层中绘制细胞图,新大脑皮层是思想和感知的据点。“这有点像对一片雨林进行分类,” Markram解释道。“它有几棵树?树木是什么形状?”现在,他的团队将在硅上创建一个虚拟的雨林,他们希望人工智能能够有机地出现。如果一切顺利的话,他打趣道,也许模拟的大脑会发出后续的TED演讲,由全息图发出光芒。

Markram的想法(我们可以通过模仿其形式来掌握生物智能的本质)起源于悠久的传统,可追溯到西班牙解剖学家和诺贝尔奖获得者圣地亚哥·拉蒙·卡哈尔的圣地亚哥。19世纪末,卡哈尔对大脑进行了微观研究,他将其与一片茂密的森林进行了比较,以至于“树干,树枝和树叶无处不在。”通过详细绘制数千个神经元的草图,Cajal能够推断出其工作原理的惊人数量。他看到它们实际上是一种单向输入输出设备:它们以树状结构(称为树突)接收电化学信息,并通过称为轴突的细长管传递,就像“电导体的结点”。

卡哈尔观察神经元的方式成为科学家研究大脑功能的镜头。它还激发了重大的技术进步。1943年,心理学家沃伦·麦卡洛克(Warren McCulloch)和他的门生沃尔特·皮茨(Walter Pitts),一个无家可归的少年数学天才,提出了一个优雅的框架,说明大脑细胞如何编码复杂的思想。从理论上讲,每个神经元执行基本的逻辑运算,将多个输入组合为一个二进制输出:true或false。这些操作(如字母中的字母一样简单)可以组合成单词,句子,认知段落。McCulloch和Pitts的模型不能很好地描述大脑,但是它成为了第一台现代计算机体系结构的关键部分。最终,它演变成人工神经网络现在通常用于深度学习。

这些网络可以更好地被称为neural-ISH。像McCulloch-Pitts神经元一样,它们是大脑中发生的事情的印象派肖像。假设您遇到了黄色的拉布拉多犬。为了识别狗,您的大脑必须通过大脑皮层中特定的神经元层将来自视网膜的原始数据汇集到一起,从而识别出狗的视觉特征并组装最终场景。深度神经网络同样会学习分解世界。原始数据从大量神经元流经几组较小的神经元,每组汇聚了前一层的输入,从而增加了整体图像的复杂性:第一层查找边缘和亮点,然后将其合并为纹理,接下来将其组装成口鼻部,依此类推,直到弹出拉布拉多。

尽管有这些相似之处,但是大多数人工神经网络绝对不像大脑那样,部分是因为它们使用数学技巧来学习,而这些技巧对于生物系统来说是很难甚至不可能实现的。然而,大脑和AI模型确实具有一些共同点:研究人员仍然不理解为什么他们会如此出色地工作。

计算机科学家和神经科学家所追求的是一种通用的智力理论,即一套在组织和硅中都适用的原理。他们拥有的只是细节的混乱。在Markram提出了他的模拟大脑后的11年里,他花费了13亿美元,它对智力的研究没有任何根本性的见解。

标签:思维机器
最新文章