计算机能像人脑一样思考_IT采购网_计算机-政府采购信息网

计算机能像人脑一样思考

政府采购信息网作者：发布于：2016-12-30 10:03:13 来源：环球科技

　　神经网络新突破！

　　人脑非常奇妙。在几十年研究之后，人类仍然无法复制出人脑的超快计算速度。目前，计算机科学家可以利用的最强大工具是神经网络。这样的大型计算机网络能通过训练去解决复杂问题，而机制类似于人类的中枢神经系统，即利用不同层次的神经元解决问题的不同部分，最终合并为适当的答案。

　　这被称作“监督学习”，而真正的人工智能意味着，神经网络需要学会如何自动完成“无监督学习”。这正是芬兰创业公司CuriousAI希望实现的目标。

　　神经科学应用于人工神经网络

　　在神经科学中，名为“速率编码”的理论认为，大脑中神经元的激发速率越高，神经元就越活跃。神经元持续被激发。而上世纪80年代时，科学家发现，神经元会将自身组织在一起，代表不同的信息。

　　这一理论被称作“临时编码”。理论认为，神经元的激发时机很重要，而准确的激发时机定义了在数万神经元中哪些神经元属于同一群体。因此，一部分神经元可以同时激发，帮助大脑识别一系列对象中的某个对象，例如一堆办公用品中的一块红布，而另一部分神

　　经元会告知大脑，其他对象都属于背景信息。

　　拉斯姆斯表示：“我们的计算机算法集成了临时编码机制。我们在神经网络的每层中保存多个拷贝。整个神经网络被复制了4次。这意味着系统可以学习得知，每个拷贝代表了某个特定对象，而将这些对象合并在一起，就可以与原始图像进行匹配。”拉斯姆斯此前曾是英伟达的软件工程师，目前正在芬兰阿尔托大学从事深度学习的博士研究工作。

　　“通过将图像分为不同的4组，神经网络可以自行编码图像。这就是无监督学习，我们不用对系统进行任何标记。当我们向神经网络展示图片时，它会将图片自主分解成为元素。”

　　在神经网络将图片分解为单独元素之后，归类和识别对象就变得更容易，因为这些对象不会相互重叠，导致图像模糊不清。

　　知觉分组给深度学习带来变革

　　研究人员最初指导神经网络在无监督的情况下分析图片，组织对象，随后向图像加入标记信息（监督学习），从而观察系统究竟学会了什么。他们发

　　现，CuriousAI的Tagger系统能实现75.1%的准确率。

　　作为对比，传统神经网络的准确率只有21%，比随机猜测的准确率仅仅高出1%。

　　拉斯姆斯表示：“这是革命性的研究，这使得无监督学习获得了进一步发展。通过让机器获得对象的概念，我们实现了更类似人脑的无监督学习。这可以帮助未来的研究，让神经网络进行更高层次的推理，学习对象与环境的相关性。”

　　CuriousAI正在寻找工业界的合作伙伴，在现实世界的人工智能系统中试点其深度学习技术。目前，该公司正与希望发展无人驾驶技术的汽车厂商进行接触。

本网拥有此文版权，若需转载或复制，请注明来源于政府采购信息网，标注作者，并保持文章的完整性。否则，将追究法律责任。

上一篇：量子计算机还有多远？

下一篇：Intel:开发量子计算机硅才是理想材料