主页 > 汽车资讯 > 人工智能神经网络和生物大脑有什么区别 神经网络将如
人工智能神经网络和生物大脑有什么区别 神经网络将如

文 | AI国际站 唐恩

是什么能让人类如此高效地学习事物的主要算法?这个问题困扰着人工智能科学家和研究人员,在过去的几十年中,他们一直在尝试复制人脑的思维和解决问题的能力。创建思维机器的梦想激发了AI领域的许多创新,并且最近推动了深度学习的兴起,深度学习AI算法大致模拟了大脑的学习功能。

但是,正如一些科学家认为的那样,强力学习并不是赋予人类和动物出生后不久与世界互动的能力的原因。关键是有机大脑的结构和先天能力,这种观点在当今的AI社区中大多被驳回,而人工神经网络主导了这一论点。

神经科学冷泉港实验室教授Anthony Zador在同行评审期刊《自然》上发表的一篇论文中指出,这是一个高度结构化的大脑,可以使动物成为非常高效的学习者。Zador的论文标题为“对纯学习以及人工神经网络可以从动物大脑学到的知识的批判”,解释了为何扩大AI算法的当前数据处理能力将无法帮助提高狗的智能,更不用说人类了。Zador解释说,我们需要的不是从头开始学习一切的AI,而是像有机物一样具有内在能力的算法可以与学习经验相辅相成。

人工与自然学习

在人工智能的整个历史中,科学家一直将自然作为开发能够表现出智能行为的技术的指南。自从该领域的历史开始以来,符号人工智能和人工神经网络就构成了开发AI系统的两种主要方法。

Zador写道:“符号AI可以看作是心理学家的方法,它从人类的认知过程中汲取了灵感,而没有试图破解黑匣子,而使用类神经元元素的ANN则从神经科学中汲取灵感。”

在AI历史的前几十年中,由程序员明确定义系统规则的符号系统占据了主导地位,而如今,神经网络已成为人工智能大多数发展的主要亮点。

人工神经网络受到其生物学对应物的启发,并试图模仿有机大脑的学习行为。但是正如Zador解释的那样,人工神经网络中的学习与大脑中发生的事情有很大不同。他写道:“在人工神经网络中,学习是指从输入数据中提取结构(统计规律性)并将该结构编码为网络参数的过程。”