<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          【研究報告】人工智能的認(rèn)知神經(jīng)基礎(chǔ)白皮書

          共 1948字,需瀏覽 4分鐘

           ·

          2021-03-14 19:12

          正文共:1707字-5圖

          預(yù)計閱讀時間:5分鐘


          一直以來,認(rèn)知科學(xué)、神經(jīng)科學(xué)和計算科學(xué)分別從不同的路徑探索智能的本質(zhì):認(rèn)知科學(xué)通過構(gòu)建認(rèn)知框架,預(yù)測復(fù)雜行為;神經(jīng)科學(xué)通過探索神經(jīng)機制,解釋大腦功能;而計算科學(xué)通過模擬神經(jīng)活動,實現(xiàn)人工智能。近年來,深度神經(jīng)網(wǎng)絡(luò)的成功,促使三門學(xué)科進(jìn)一步交叉融合,將類腦的深度神經(jīng)網(wǎng)絡(luò)模型和認(rèn)知神經(jīng)科學(xué)實驗相結(jié)合,為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供新的思路。

          智源“人工智能的認(rèn)知神經(jīng)基礎(chǔ)”重大研究方向基于此研究目標(biāo),以及促進(jìn)學(xué)科間交叉互啟的愿景,編撰該白皮書,以期為相關(guān)領(lǐng)域的研究者搭建溝通的平臺和橋梁,共同探索心智的奧秘,促進(jìn)人工智能的可持續(xù)發(fā)展。

          近年來,通過模擬人腦神經(jīng)網(wǎng)絡(luò)的信息傳遞機制,深度學(xué)習(xí)技術(shù)引發(fā)了人工智能的第三次浪潮,其終極目標(biāo)是研究使計算機來模擬人的思維過程和智能行為(如學(xué)習(xí)、推理、思考、規(guī)劃等),制造類似于人腦智能的機器。但是與生物大腦所代表的生物智能相比,當(dāng)前的深度學(xué)習(xí)還存在解釋能力不足、魯棒性差、泛化能力弱等制約人工智能技術(shù)深度應(yīng)用的問題。為了實現(xiàn)這個目標(biāo),理解構(gòu)成智能必要的元素,必須研究人和動物智能的載體、生物大腦的本身結(jié)構(gòu)以及其運行方式。

          伴隨著解析大腦和神經(jīng)系統(tǒng)的連接方式及工作原理的先進(jìn)技術(shù)的發(fā)展,如高時空分辨率的生物熒光成像和特異性熒光探針技術(shù),人們對于不同層次上的神經(jīng)活動發(fā)生機制有了進(jìn)一步深度解讀。例如,突觸水平上,馬普佛羅里達(dá)神經(jīng)研究所的Fitzpatrick研究組通過光電聯(lián)合實驗,研究雪貂的初級視皮層神經(jīng)元發(fā)現(xiàn),不同刺激激活的全部突觸(包括強、弱突觸)共同“投票”所決定其神經(jīng)元選擇特異性,挑戰(zhàn)了赫布理論所認(rèn)為的強突觸調(diào)控神經(jīng)元選擇特異性的決定性作用。神經(jīng)元水平上,Allen Brain Observatory的Koch和Reid研究組通過分析大規(guī)模標(biāo)準(zhǔn)化神經(jīng)活動數(shù)據(jù),揭示小鼠視皮層中存在大量低特異性神經(jīng)元,表明之前的視覺神經(jīng)元-特定視野空間-特定特征的視覺信息模型的局限性。在視覺系統(tǒng)上, Koch和Olsen研究組,通過構(gòu)建新型的神經(jīng)電信號記錄系統(tǒng)和神經(jīng)像素電極陣列(Neuropixels),成功觀察到了小鼠視覺系統(tǒng)存在如靈長類一樣的功能層級活動。

          與此同時,新技術(shù)的發(fā)展正在產(chǎn)生海量的數(shù)據(jù),使得大腦與人工智能算法的交互變得越來越重要。HHMI的Stringer等人對小鼠視覺系統(tǒng)進(jìn)行了大規(guī)模的神經(jīng)記錄,發(fā)現(xiàn)其群編碼在高效和保持泛化性之間進(jìn)行了權(quán)衡,而利用了該原理的人工神經(jīng)網(wǎng)絡(luò)具有更好的魯棒性。另外,MIT的Dapello等人發(fā)現(xiàn)在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)前面加入一個模擬大腦初級視覺皮層的模型也可以提高其魯棒性。借鑒小動物的神經(jīng)環(huán)路設(shè)計也許可以幫助我們設(shè)計更高效的人工智能系統(tǒng)。例如,MIT的Lechner等人借鑒了秀麗線蟲的神經(jīng)系統(tǒng)中神經(jīng)元的動態(tài)特性、連接的稀疏性和反饋結(jié)構(gòu),在跟蹤道路的自動駕駛?cè)蝿?wù)中比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)具有更好的魯棒性和可解釋性。


          在當(dāng)下人工智能的浪潮中,人類社會似乎從來沒有像如今這樣對“研究心靈本質(zhì)”這個古老的問題產(chǎn)生過如此濃厚的興趣,Stephen Hawking曾經(jīng)說過,“Intelligence is the ability to adapt to change”。長久以來,神經(jīng)科學(xué)、認(rèn)知科學(xué)與計算學(xué)科分別從不同的路徑來探索智能本質(zhì)的,神經(jīng)科學(xué)聚焦于大腦如何進(jìn)行信息加工,力圖闡明復(fù)雜行為之下的機制和物理實現(xiàn)形式;認(rèn)知科學(xué)研究研究人類的心智和認(rèn)知過程,通過構(gòu)建認(rèn)知框架,預(yù)測復(fù)雜行為,揭示智能的產(chǎn)生機制;而計算科學(xué)通過模擬神經(jīng)活動,實現(xiàn)人工智能。科學(xué)家們在多學(xué)科交叉領(lǐng)域相互溝通交流借鑒,可以從研究技術(shù)、揭示機制以及計算原理等方面來相互啟發(fā),促進(jìn)不同學(xué)科的螺旋式相生相長。學(xué)科的交叉碰撞出炫麗的火花,幫助研究人員更好地理解大腦工作的硬件、算法和實現(xiàn),了解神經(jīng)疾病背后機理并找到治療方案,真正實現(xiàn)終極目標(biāo):“Know yourself”。


          如果您想下載本文的報告,可以在水木人工智能學(xué)堂(公眾號:smaiedu)回復(fù)關(guān)鍵詞“ai167”獲取。

          來源 | 智源社區(qū)


          版權(quán)聲明:本號內(nèi)容部分來自互聯(lián)網(wǎng),轉(zhuǎn)載請注明原文鏈接和作者,如有侵權(quán)或出處有誤請和我們聯(lián)系。


          瀏覽 50
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  aa一级片 | 影音先锋中文资源 | 日韩啪啪片 | 久久婷综合| 淫色无限一区二区 |