|
作者 | 郑金武
作为代表自然界拥有最通用智能的生物大脑，可以借助低功耗和大批后天数据，实如今复杂环境下执行复杂义务的智能行为。因此，探求生物大脑智能认知的底层机理和复杂行为背后的神经迷信基础，对于探求智能的本质，以及推进通用人工智能（AI）研讨发展具有重要意义。
在近期举行的2021北京智源大会上，国内外迷信家围绕通用AI的发展，分享了类脑研讨范畴最新成果，以及AI将来发展能够存在的瓶颈及相应的处理思绪。
通用AI成研讨热点
通用AI是指具有普通人类智慧，可以执行人类可以执行的任何智力义务的机器智能。一些研讨人员也将通用AI称为强AI或者完全AI。
日本理化学研讨所荣休教授甘利俊一曾在1967年提出了随机梯度下降算法，并初次将其用于多层感知机训练。在1972年，甘利俊一提出了联想式记忆模型。“通用AI是将来发展趋向，而我们的工作是努力用算法、学习机制来贴近通用AI。”甘利俊一表示，例如深度网络学习等方法的发展，将有助于通用AI的完成。
目前，AI次要用于定制处理方案。大多数AI系统是建立在单一类型上的，例如在图片或声响数据上工作。大部分AI系统都只为处理一个特定的成绩，且很多系统都只针对单个数据集停止优化。
随着通用AI的发展，大脑学习机制和AI的联络越来越深入。英国伦敦大学学院盖茨比计算神经迷信中心主任彼得·达扬表示，可以从AI的算法获得启示解释脑迷信机制，也可以从丰富而有效的大脑学习机制中获得启示和学习，发展更多新的人工强化学习方法，AI应与大脑“联姻”。
自创大脑学习机制
瑞典皇家理工学院教授科塔莱斯基是欧盟人类脑计划的担任人。科塔莱斯基表示，可以在高精度模型上探求大脑的通用智能，从大脑结构和功能动手探求通用AI的新方向。
基底核是大脑中多巴胺分泌最丰富的核团，在医学上和帕金森氏症亲密相关，而AI范畴目前最热的强化学习实际也源自基底核工作原理。
“自创大脑的功能，以无监督学习的方式，可以完成机器的自感知、自顺应、自驱动，同时停止躲避妨碍与向目的物体游动的行为。”科塔莱斯基展现了如何从分子、细胞和神经回路的尺度上，精巧地还原大脑运动和感知相结合的工作原理，并成功模拟了鳗鱼在复杂水流中的运动状况。
“大脑的机制与机器的学习机制有很大差别，这些差异使一些对人来说很简单的事情，对AI却很困难，也使得AI只能胜任特定义务，而不具有通用智能。”德国法兰克福高等研讨院的丹科·尼科利奇经过多个方面的对比研讨阐述了大脑的工作机理和与深度学习的差异。
不过，尼科利奇表示，类脑智能的研讨需求进一步深化了解这些本质差异，并提出有效的处理方案；同时，可以自创人类大脑在概念表征、情境信息处理等方面的工作机理，提高机器智能的感知和认知才能。
美国约翰斯·霍普金斯大学认知迷信系和计算机迷信系特聘教授艾伦·尤尔建议，应该经过研讨人类视觉感知的规律，并运用更严厉的功能目的来应战和评价算法，处理对抗性攻击、对环境信息过于敏感等算法弱点。“尤其是向人类视觉学习，开发具有组合性的模型，并开发出功能与人类视觉系统一样好或更好的算法。”
打造生物智能开源开放平台
AI的发展得益于神经迷信、认知迷信等范畴的严重发现，而目前的AI与脑迷信之间还存在一些错位，弥合这些缺口能够是处理应前AI某些不足的关键。
北京大学人工智能研讨院助理研讨员杜凯以为，当前的AI与大脑的神经计算差距还非常大，例如在处理基本的视觉信息输入时，人工神经网络还依赖于对静态图像的学习，而人类视觉系统的神经网络处理信息是一个动态的过程。
“应该自创生物智能的研讨，开拓通用智能研讨的新途径。”清华大学基础迷信讲席教授刘嘉表示，经过对认知迷信、神经迷信与计算迷信等多学科的交叉研讨，将现有认知神经迷信等范畴的最新成果、技术、研讨工具和实际方法运用到AI中，模拟生物大脑，应用人工网络研讨生物大脑的特性等，可以推进AI的发展。
目前，北京智源人工智能研讨院正在经过高精度生物大脑模拟仿真，构建生命智能模型，探求新一代人工智能发展的可行途径。
该研讨院生命模拟研讨中心担任人马雷表示，结合来自神经迷信、信息迷信等交叉迷信的前沿技术，该机构的“天演”生命模型旨在模拟仿真阅历亿万年退化演进的生物神经系统和身体，经过搭建高精度模拟仿真软硬件系统，构建生命智能模型并发掘生物智能机制机理，逐渐启示和探求新一代人工智能。
“大脑模型的规模越大、精细程度越高，越能表征生物智能性，而当今大规模高精度仿真依然存在诸多瓶颈，其中最关键的应战要数计算的复杂性，现有的超级计算系统难以承担大脑突触级别的超微精细计算。”马雷表示。
刘嘉表示，人工智能研讨者应积极经过对生物脑外部认知过程的探求，比较生物智能与神经网络的异同，从而了解大脑在完成特定认知功能方面的神经机理和认知范式，完善和革新现有的人工神经网络模型与算法，探求智能的边界和脑启示/类脑的通用智能研讨新途径。 | 
