Yapay Zekanın geleceği - "beyin benzeri zeka" nerede?
Yapay zeka endüstrisinin liderleri 22 Haziran'da yapay zekanın geleceğini - "beyin benzeri zeka" üzerine tartışmak için bir araya geldi.
2. Çin (Hefei) Beyninden Esinlenen İstihbarat Zirvesi Forumunda, 100'den fazla tanınmış bilim insanı ve endüstri lideri, "Beyinden ilham alan İstihbarat · Geleceği Sürmek" temasıyla beyinden ilham alan zeka teknolojisi üzerine bir zirve diyaloğu gerçekleştirmek için burada bir araya geldi.
Mevcut pazar, her türden yapay zeka "küçük sağır ve kör" ve "küçük aptal" ile dolu ve insanları yavaş yavaş yapay zekanın gerçek görünümü olduklarını düşündürüyor.
Aslında, ister bilim kurgu filmlerinde ister birkaç nesil araştırmacının zihninde olsun, "beyin benzeri zeka" her zaman yapay zeka araştırmalarının nihai hedefi olarak var olmuştur.
Meslekten olmayanların deyimiyle "beyin benzeri zeka", yapay bir beyne sahip, düşünebilen ve öğrenebilen zeki bir bedendir. Özünde, nöronların çalışma mekanizmasını simüle etmek için algoritmaları kullanan, bilgi işleme mekanizması açısından beyne ve bilişsel beceride insan benzeri bir hesaplama modeli oluşturan hesaplamalı bir modeldir.
Son yıllarda geliştirilen derin sinir ağı modeli bu alanda büyük bir gelişmedir. Ana fikri, insan beyninin bölümlenmiş ve hiyerarşik bilgi işleme mekanizmasını simüle etmektir ve örüntü tanıma ve yapay zeka uygulamaları alanında büyük başarılar elde etmiştir.
Öyle bile olsa, "beyin benzeri zeka" nın geleceği hala çok uzaktadır.
Neden henüz "beyin benzeri zekaya" sahip değiliz?
"Beyin benzeri zeka" nın ihtiyacı olan şey, bilgisayarı ne sağır ne de kör, koşabilen, zıplayabilen ve zeki bir biyonik kişi yapmaktır.Görme ve işitme, bilgi işleme ve hareket kontrolünün organik bir kombinasyonunu gerektirir.Araştırma ve geliştirme sadece algoritmalar alanına dayanmaz. Kaydedilen ilerleme ve kinetik enerjisinin kaynağı beyin bilimidir.
Beynin canlı organizmaların çeşitli işlevlerini kontrol edebilmesi gibi, "beyin benzeri zeka" nın temel fikri, "beyinleri makinelere naklederek" insan davranışını "klonlamak" tır. Bu durumda insan beyni ile ilgili her türlü araştırma yapılması zorunludur.
İnsan beyni ne kadar karmaşık? Newton'un hesap yapmasına, Li Bai'nin "Gökyüzüne ve aya gitmek istiyorum" yazmasına izin veriyor, Da Vinci Mona Lisa'yı çizebiliyor ve aynı zamanda Messi'yi dünyaca ünlü bir oyuncu haline getirebiliyor.
Tüm bunların nedeni, yüz milyarlarca nöronun, yüz milyarlarca sinaps aracılığıyla koordineli bir operasyon gerçekleştirebilmesidir. Bir insanın beyninde on milyonlarca geometrik yapı vardır ve yapı seviyesi 11 boyuta kadar ulaşabilir, bunlar eşit olmayan dağılmış, çok sayıda ve işlev olarak karmaşıktır, yoğunlaşmış bir evrendir.
Bu nedenle, beyni simüle etmek için üç açıdan başlamamız gerekiyor.
Birincisi, nöronların ve sinapsların çalışma mekanizmasını ve özelliklerini anlamaktır.
Elektrik akımları aracılığıyla, kaslarımız talimatlar alır ve zihnimiz olay yerine doğru süzülür. Bu akımlar bir bilgisayardaki 0 ve 1 gibidir ve permütasyon ve kombinasyon altında farklı etkiler üretirler. Bu tür bir çalışma mekanizmasının bilgisayar dünyasında ölçülmesi en kolay şey olduğu ve doğal olarak "beyin benzeri zeka" alanında en temel araştırma kategorisi haline geldiği söylenebilir.
İkincisi, beyinler arasındaki bağlantıların ve işbirliğinin makro analizidir.
"Beyin benzeri zeka" doğal olarak "ömür boyu" tek bir basit şeyi yapabilen bir makine değil, bedeni ile risk alan bir itfaiyeci ve evi özenle yöneten bir hizmetçi olarak var olabilecek "biyonik bir kişi" olacaktır. Bu, "beyninin" birden fazla işlevi kontrol edip koordine edebilmesini gerektirir, böylece robotun motor işlevi konuşurken etkilenmez ve nesnelere baktığında resimlere bakabilir ve konuşabilir.Farklı işlevsel beyin alanlarının incelenmesi için vazgeçilmez olması kaçınılmazdır.
Son olarak, mikro ve makro seviyeler arasındaki işbirliğini anlamak için mezoskopik bakıştan, yani sinir ağı bağlantı modundan.
Bununla birlikte, beyin bilimi bu üç alanda, özellikle "beyin benzeri zeka" nın araştırılması ve geliştirilmesi için güçlü destek sağlayan nöronların ve sinapsların yapısı ve işlevi üzerine mikroskobik araştırmalar, belirli bir ilerleme kaydetmiştir.
Ancak birçok bilinmeyen bulmaca vardır, örneğin: Makinenin bir Android telefon gibi daha yavaş ve daha yavaş çalışmaması için belleği nasıl simüle edebiliriz? Bilişsel işlevlerin gerçekleştirilmesi için farklı nöron bağlantı modlarına karşılık gelen işlevsel farklılıkların önemi nedir? Basit ve açık algoritmalardan vazgeçmek ve karmaşık yapıları takip etmek gerekli midir? Hiyerarşik ve bölünmüş düşünme nasıl gerçekleştirilir ve bilgi işlemeye hangi öncelik verilmelidir?
Elbette, "beyin benzeri zeka" nın gelişmesini engelleyen sadece beyin bilimindeki ilerleme değildir.
Şu anda, beyin bilimi keşiflerinin çoğunun yapay zeka alanına etkili bir şekilde uygulanması zordur. Bu nedenle, "beyin benzeri zeka" araştırması, yapay sinir ağının ve biyolojik sinir ağının çalışma mekanizmasına, yapı işlevine ve bellek öğrenmesine uyumunu güçlendirmelidir ve özellikle iki yönde bilimsel araştırma yapmak acildir.
Her şeyden önce, acilen geliştirilmesi gereken şey, yeni nesil daha verimli yapay sinir ağı modelleridir.
Günümüzün derin sinir ağı modelleri, sinir sisteminin çalışma prensibinden bir dereceye kadar ödünç almış ve nispeten eksiksiz kodlama ve kod çözme, öğrenme ve eğitim yöntemlerine sahip olsalar da, beynin beyin kapasitesine ve çok işlevli işbirliği yeteneğine sahip değildirler. Etkinlik olağanüstü değil.
İkinci olarak, beynin "yaşam boyu öğrenmeyi" öğrenmesi de aynı derecede önemlidir.
Mevcut makine öğrenimi, üç seviyeli denetimli öğrenme, denetimsiz öğrenme ve pekiştirmeli öğrenmeyle sınırlıdır. Bu üç seviyeye göre geliştirilen yapay zeka, yalnızca veri tabanından "bilgi" elde edebilir ve çevredeki ortamdan bilgi, model yapısı ve parametrelerin öğrenilmesi ve uyarlanabilir evriminden yoksundur.
Makine öğreniminin en yüksek amacı, makinelerin sürekli olarak insanlar gibi öğrenmesine izin vermektir. Bu, denetimli öğrenmeyi, denetimsiz öğrenmeyi, yarı denetimli öğrenmeyi, artımlı öğrenmeyi, aktarım öğrenmeyi, çok görevli öğrenmeyi, etkileşimli öğrenmeyi ve diğer esnek yöntemleri gerektirir. Kapsamlı uygulama.
Kolejler ve üniversiteler "beyin benzeri zeka" geliştirmek için ne yapıyor?
"Beyin benzeri zeka" araştırma ve geliştirmesinin gerçekleştirilmesi zordur ve yatırım büyüktür ve güçlü devlet desteğine ihtiyaç duyar. Çin'in "On Üçüncü Beş Yıllık" Ulusal Bilim ve Teknoloji İnovasyon Planından önce, ülkeler 1990'ların başında "beyin benzeri zeka" araştırma ve geliştirmesine dikkat etmeye başladılar.
2013 yılında, Birleşik Devletler ve Avrupa Birliği "beyin benzeri zeka" için ulusal planlar önerdiler ve Kanada, Japonya, Almanya ve Birleşik Krallık, geleceğin teknolojisinin hakim zirvelerini ele geçirmek ve gelecekteki stratejilerin girişiminde ustalaşmak umuduyla art arda bu eğilime katıldı.
Sonuçta, hükümetin gücü sermayeyle sınırlıdır ve yeteneklerin yetiştirilmesi ve tanıtılması üniversitelere ve endüstrilere bağlıdır.
Çin'de, Beyinden Esinlenen İstihbarat Teknolojisi ve Uygulaması Ulusal Mühendislik Laboratuvarı şu anda en büyük araştırma gücüdür.
Çin'de beyinden ilham alan istihbarat alanındaki tek ulusal mühendislik laboratuvarı olarak Çin Bilimler Akademisi, Fudan Üniversitesi ve diğer akademik çevrelerin yanı sıra Microsoft, Baidu ve iFLYTEK gibi endüstri gücünü bir araya getiriyor.
Şu anda, mühendislik laboratuvarı beyin atlası haritalama, beyin görüntüleme ve beyin benzeri bilgi işlemede olağanüstü sonuçlar elde etti ve 3000 GPU, 20 PB veri depolama ve işleme kapasitesine sahip bir altyapı inşaatı hedefi önerdi.
Ancak, tüm bunlar yeterli olmaktan uzak. Gelişmiş ülkelerle karşılaştırıldığında ülkemiz, beyin benzeri zeka ve yazılım ve donanımı birleştiren beyin benzeri akıllı robotların temel sınır araştırmalarında hala zayıftır. Kolejlerin ve üniversitelerin gerçekten ayağa kalkmasına ve Çin'in "beyin benzeri zekasının" temel direği haline gelmesine izin verin, şimdi en önemli önceliktir.
Şu anda üniversitelerin gücü ilk olarak öğretime yansıyor. Örneğin, Çin Bilim ve Teknoloji Üniversitesi, lisans eğitiminde zorunlu bir Beyne Giriş ve Bilişsel Bilime Giriş dersi sunmaktadır. Zhejiang Üniversitesi ve Sun Yat-sen Üniversitesi de benzer kurslara sahiptir.
Bununla birlikte, "beyin benzeri zeka" araştırması beyin bilimi, psikoloji, bilişsel bilim, fizyoloji ve bilgisayar bilimlerini bütünleştirir. Öğrencilerin DNN ve SNN gibi çerçevelerin ilkelerini ve uygulamalarını anlamalarına ek olarak, yalnızca bir ders kitabına ve bir kursa dayanır. Yön, yetenek transferini gerçekleştirmek için kovadaki bir damla gibidir.
Bu nedenle üniversitelerde disiplinlerarası entegrasyonun nasıl tamamlanacağı bir dünya sorunu haline geldi.
Şu anda, ilgili derslerin öğretmenlerine, lisans öğrencilerine makul ilgi rehberliği sağlama ve mezunlar ve doktora öğrencileri için araştırma rehberliği yapma konusunda güvenmek daha iyidir.
Ayrıca, çift dereceli küçüklere veya birden çok ana dallara odaklanarak ilgili kursları ayarlamak için iyi bir yoldur. Ancak yapay zeka ateşi üniversitelerde yeni başladığı için psikoloji, tıp gibi pek çok alanda müfredat planlaması ve ders kitabı düzenlemeyi organize edebilecek kapsamlı yetenekler bulunmuyor.
Üniversitelerin tam anlamıyla oynayabilecekleri, Daiso projelerine verdikleri destektir. Şu anda, sektördeki tanınmış Kambriyen ve Shenjian Teknolojisi en iyi üniversiteler tarafından desteklenmektedir.
Ancak bir işletmenin nihai amacı kar etmektir .. Günümüzde "beyin benzeri zeka" pek değer kazanmadığında, bu alanda sürekli ve geniş çaplı araştırmalar yapmak zordur.
Çekirdeği okuyun
"Beyin benzeri zeka" için para nerede?
Beyin benzeri zeka teknolojisi, mevcut AI endüstrisi için para çeken dipsiz bir çukurdur.
Mevcut AI pazarında zayıf yapay zeka zaten zirveyi işgal etti, tek bir işleve ve düşük performansa sahip olmalarına rağmen, bazı işlerde zaten parlayabilirler.
Ancak "beyin benzeri zeka", yani güçlü yapay zeka alanı, araştırmacılar için kutsal bir yerdir, çünkü bilimsel araştırma gerçekleştirmenin yolu iniş çıkışlarla ve dikenlerle dolu.
Şu anda, hükümet ve üniversitelere ek olarak, çip ve bulut bilişim platformunu kazanmak için bilgi işlem çerçevesine güvenmek zorunda olan yalnızca iki sektör var.
Ancak yapay zekanın kapsamlı yeteneklerini etkin bir şekilde geliştirebilen bir alan olarak birçok büyük şirket de bu konuya değinmiştir. "Beyin benzeri zeka" araştırmasının para kazanma aracı olarak kullanılamayacağı söylenebilir. "İş" en doğru ifadedir.
Yazar: Sheep Breeze
Referans bağlantısı:
Yeniden yazdırmanız gerekirse, lütfen arka planda bir mesaj bırakın ve yeniden yazdırma şartnamelerine uyun.
