打开人工智能“黑箱”的几条通路
事实上，没有神经科学大的理论突破，没有对智能生物本原的认识，人工智能中的“智能”概念很可能就一直是个“黑箱”，而智能模拟与扩展就可能一直在“外围”打转。比如，美国国家工程院《21世纪人类面临的14大科技挑战》报告就认为，人工智能目前存在的部分问题是源于设计中并没有充分考虑真实的大脑情况。而通过对人脑的逆向工程来揭示大脑的秘密，可以更好地设计出能同时处理多重信息流的计算设备。目前神经科学在助力人工智能发展上有几条通路。王小理介绍，具体路径上，可以延续认知经验主义思路的人工智能发展方向。例如，对于人工智能而言，目前总是用一个特定的任务去训练它，而忽略了它接触其他事物的过程。如果给智能体一个类似成长环境和成长过程，是不是会让它更智能呢？人类的智慧是建立在沟通之上的，目前的人工智能体还没有自主沟通能力， 这也是目前的人工智能水平与强人工智能的差距所在，也是未来的发展方向。但也可能，希蒙·厄尔曼提出的借鉴人类先天认知系统更具有意义。深入理解大脑的原始能力，从而实现高级的机器逻辑能力。人类具备学习如何学习的能力，如果让智能体学习如何学习，那么这种二阶学习的关系也许会让它学得更快，如果未来智能体有了想象力和计划能力，那么它也许真的可以创造出一些我们人类很难创造出的东西。此外，神经科学助力人工智能，在人工智能重大技术领域也有几个方向。例如，构建统计关联与特征关联相结合的新型学习理论，实现“知识驱动”与“语义驱动”关联统一；构建融合深度学习与强化学习、演化计算、主动学习、毕生学习等仿生和自然计算理论的新型理论框架；实现大规模并行神经网络、进化算法和其他复杂理论计算；具有自主学习能力的通用性人工智能系统等。
頁:
[1]