两项分别由英国人工智能实验室DeepMind与由德国和希腊的研究人员进行的研究显示了AI与神经网络科学之间有着令人着迷的关系。
就像大多数科学家说的那样,我们距开发能够像人类一样有效地解决问题的人工智能还差几十年。在创造通用AI的道路上,人脑(可以说是最复杂的自然创造)是我们掌握的最佳指南。
神经科学对神经系统的研究,为大脑如何工作提供了有趣的见解,大脑是开发更好的AI系统的关键组成部分。相应地,更好的AI系统的开发可以帮助推动神经科学向前发展,并进一步释放大脑的秘密。
例如,卷积神经网络(CNN)是人工智能最新进展的关键贡献者之一,它很大程度上受到视觉皮层神经科学研究的启发。另一方面,神经科学家利用AI算法研究来自大脑的数百万个信号,并找出可能消失的模式。这两个领域密切相关,它们的协同作用产生了非常有趣的结果。
神经科学领域的最新发现表明,我们在AI方面正在做的正确的事情,以及我们做错了什么。
DeepMind的研究人员最近进行的一项研究证明,人工智能研究(至少是其中的一部分)正朝着正确的方向发展。
感谢神经科学,我们知道人类和动物学习的基本机制之一就是奖惩。积极的结果会鼓励我们重复某些任务(做运动,学习考试等),而消极的结果会阻止我们重复犯错(触摸火炉)。
俄罗斯生理学家伊凡·帕夫洛夫(Ivan Pavlov)的实验最为人所知,这种奖罚机制是训练狗在听到铃铛时会期待食物。我们还知道,多巴胺是中脑产生的一种神经递质,在调节大脑的奖励功能中起着重要作用。
强化学习(RL)是人工智能研究中最热门的领域之一,它是根据大脑的奖赏/惩罚机制而大致形成的。在RL中,设置了AI代理来探索问题空间并尝试不同的操作。对于其执行的每个动作,代理都会收到数字奖励或惩罚。通过大量的试验和错误,并检查其操作的结果,AI代理开发了一种数学模型,该模型经过了优化,可以最大程度地提高奖励并避免惩罚。
最近,AI研究人员一直致力于分布增强学习以创建更好的模型。分布式RL的基本思想是使用多种因素以一系列乐观和悲观的方式预测奖惩。分布强化学习对于创建对环境变化更具弹性的AI代理至关重要。
这项新的研究是由哈佛大学和DeepMind共同完成的,并于上周在《自然》杂志 上发表。该研究发现,小鼠大脑的特性与分布强化学习的特性非常相似。AI研究人员测量了大脑中的多巴胺激发率,以检查生物神经元的奖励预测率的差异。
有趣的是,在小鼠的神经系统中发现了AI科学家在分布式强化学习模型中编程的乐观和悲观机制。DeepMind的研究人员在AI实验室网站上发布的博客文章中写道:“总而言之,我们发现大脑中的多巴胺神经元每个都被调到了不同的悲观或乐观水平。“在人工强化学习系统中,这种多样化的调整会产生更丰富的训练信号,从而极大地加快了神经网络的学习速度,我们推测大脑可能出于相同的原因使用它。”
使这项发现与众不同的是,尽管AI研究通常从神经科学发现中汲取灵感,但在这种情况下,神经科学研究已经验证了AI发现。研究人员写道:“它使我们对AI研究走上正轨的信心增强,因为该算法已被我们所知道的最智能的实体:大脑使用。”
这也将为神经科学的进一步研究打下基础,这反过来将有利于AI领域发展。
尽管DeepMind的新发现证实了AI强化学习研究的成果,但柏林科学家的另一项研究却于1月初发表在《科学》杂志上,这证明我们对大脑所做的一些基本假设是完全错误的。
关于大脑结构的普遍信念是,神经元是神经系统的基本组成部分,它们是简单的积分器,用于计算其输入的加权总和。基于这种理念,设计了一种流行的机器学习算法类型:人工神经网络。
单独地,人工神经元执行非常简单的操作。它需要几个输入,将它们乘以预定义的权重,求和后再通过激活函数运行它们。但是,当多层连接成千上万(十亿)个人工神经元时,您将获得一个非常灵活的数学函数,可以解决复杂的问题,例如检测图像中的对象或记录语音。
人工神经元的多层网络(通常称为深度神经网络)是过去十年中深度学习革命背后的主要动力。
但是,对生物神经元是基本数学的“愚蠢”计算器的普遍认识过于简单。德国研究人员的最新发现后来被希腊的神经科学家证实,证明了单个神经元可以执行XOR运算,这一前提遭到了AI先驱者如Marvin Minsky和Seymour Papert的拒绝。
尽管并非所有神经元都具有这种能力,但这一发现的意义是重大的。例如,这可能意味着单个神经元可能在其内部包含一个深层网络。宾夕法尼亚大学的计算神经科学家康拉德·科尔丁(Konrad Kording)并未参与这项研究,他对《广达杂志》(Quanta Magazine)表示,这一发现可能意味着“单个神经元可能能够计算出真正复杂的功能。例如,它本身可能就能识别出一个物体。”
这对人工智能研究意味着什么?至少,这意味着我们需要重新考虑我们对神经元的建模。它可能会刺激对具有不同类型神经元的新型人工神经元结构和网络的研究。也许它可以帮助我们摆脱必须构建超大型神经网络和数据集来解决非常简单的问题的陷阱。
外语原文链接: https://bdtechtalks.com/2020/01/20/neuroscience-artificial-intelligence-synergies/
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14