10日,DeepMind团队在《自然》上发表的一篇论文在AI和神经科学领域引起关注:其最新研发出的一个AI程序具有类似哺乳动物一样的寻路能力,类似大脑中网格细胞的工作原理。
对于大脑的借鉴和研究,一直是人工智能发展的一个方向,而实现具有人类意识的人工智能更是人类长久以来的目标。DeepMind这项研究成果借鉴了大脑中的部分机能,但它仍是对于单一机能的模仿。可以说,现在的人工智能可以战胜顶级围棋选手,却无法像婴儿一样探索世界。
在AI领域有一个叫做“类脑智能”的研究方向,想让机器像人类一样思考。虽然目前专家们对于DeepMind的最新成果是否属于类脑智能研究看法不一,但该研究从算法角度为探索大脑机能提供了一种途径。
目标:使机器具有人类认知能力
从IBM的“深蓝”系统击败国际象棋世界冠军卡斯帕罗夫,到谷歌的AlphaGo战胜人类顶级围棋选手,上述所有的突破都仅是智能系统从某个视角、在某个特定领域接近、达到或超过人类智能,而相关的理论、算法与系统很难推广到其他领域,用于解决其他类型的问题。
在人工智能学界,有一条著名的莫拉维克悖论,讲的是要让电脑同成人下棋是非常容易的,但要让电脑像一岁孩子一样感知和行动,却相当困难。AlphaGo能击败世界顶尖围棋高手,却无法像孩子一样探索世界。
冯·诺依曼体系结构是存储程序式计算,程序也是预先设定好的,无法根据外界的变化和需求的变化进行自我演化。而我们的大脑却是一个出色的、能够长时间稳定工作的通用智能系统,不仅能举一反三,处理视觉、听觉、语言、学习、推理、决策、规划等各类问题,还可以在学习和发育过程中不断自适应和进化。
曾毅指出,类脑智能以计算建模为手段,受脑结构与机制、认知行为机制启发,企图通过软硬件协同实现机器智能。类脑智能系统在信息处理机制上“类脑”,认知行为和智能水平上“类人”,目标是使机器实现人类具有的多种认知能力及其协同机制,最终达到或超越人类智能水平。
难点:对大脑的认知有限
中科院脑科学与智能技术卓越创新中心核心骨干、中国科学技术大学毕国强教授认为,目前类脑智能研发的核心难点是我们对脑的结构和功能原理了解还很不够。
人类的大脑重约1.4公斤,大脑皮层有上百亿个神经元,每个神经元又包含数个到数万个分支,构成庞大精细的神经网络。大脑正是通过这种超大规模的神经网络系统处理信息的,但这个网络的线路图极为复杂,而且其中的神经元以及突触联结有很多不同的类型。以现在的技术真正描绘出全面完整的线路图,需要难以想象的大量工作。
“现阶段,我们可以在没有完全理解大脑原理时开始建立简化的类脑模型,来实现一些‘类智能’的功能。”毕国强介绍,现在的人工神经网络模型包括深度神经网络模仿了生物神经网络的一些最基本特性,并在处理分类识别的问题方面取得了巨大成功,但这些“简单”网络在效率、功耗、以及通用性等方面有根本的局限,看来没有办法产生真正意义的智能。
布局:国内外发展水平几乎同步
不可否认,我们对于大脑的探索还处于非常初级的阶段。曾毅介绍,总体而言,经过上百年的研究,人们对于脑信息处理机制的认识仍然比较初步。在这样的背景下,2016年,中国正式提出了“脑科学与类脑科学研究”(中国脑科学计划),它作为连接脑科学和信息科学的桥梁,将极大推动人工通用智能技术的发展。
此外,多所高校都成立了类脑智能研究机构,开展类脑智能研究。如清华大学于2014年成立的类脑计算研究中心,中国科学院自动化研究所于2015年成立的类脑智能研究中心,北京大学成立的脑科学与类脑研究中心,上海交通大学成立的仿脑计算与机器智能研究中心等。
目前,清华大学类脑计算研究中心已经研发出了具有自主知识产权的类脑计算芯片、软件工具链;中国科学院自动化研究所开发出了类脑认知引擎平台,具备哺乳动物脑模拟的能力,并在智能机器人上取得了多感觉融合、类脑学习与决策等多种应用,以及全球首个以类脑方式通过镜像测试的机器人等。
“我们现在类脑计算方面基本上和国外差不多。”谈及国内的研究进展,清华大学类脑计算研究中心主任施路平教授说,现在大家都还处于前期探索发展阶段。
“具体哪个应用先突破很难说。”施路平说,未来的类脑智能研究在应用方面具有很多可能性,但在哪个领域率先突破还不确定。
-
机器人
+关注
关注
210文章
28209浏览量
206542 -
人工智能
+关注
关注
1791文章
46863浏览量
237587
原文标题:类脑智能:让机器像人一样思考
文章出处:【微信号:AItists,微信公众号:人工智能学家】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论