艾巴生活网

您现在的位置是:主页>资讯 >内容

资讯

大脑研究可以帮助科学家们创造新的人工智能类型

2022-11-21 09:09:46资讯传统的飞鸟
有时,大自然做得最好,即使是在计算机方面。麻省理工学院的研究人员声称已经解决了两个神经元相互作用背后的难题,这将解开一类新的快速人

有时,大自然做得最好,即使是在计算机方面。

大脑研究可以帮助科学家们创造新的人工智能类型

麻省理工学院的研究人员声称已经解决了两个神经元相互作用背后的难题,这将解开一类新的快速人工智能(AI)算法。这是一个不断增长的研究分支的一部分,其中研究大脑有助于创造先进的新形式的人工智能。

"大脑研究旨在了解单个神经元或神经元组之间的交流,可以帮助我们了解自然智能,"没有参与麻省理工学院研究的卡内基梅隆大学机械工程教授Rahul Panat在一次电子邮件采访中告诉Lifewire。"自然智能就可以用来发展人工智能。"

更好地思考

根据《自然-机器智能》杂志上的一篇新论文,麻省理工学院的团队创建了一个神经网络,它在一系列任务上的表现超过了最先进的同行,在从运动传感器识别人类活动、模拟步行者机器人的物理动力学方面的速度和性能都大大提升。例如,新模型在医疗预测任务中对8,000名病人进行抽样调查时,速度快了220倍。

"我们称之为'CfC'的新机器学习模型用闭合形式的近似代替了定义神经元计算的微分方程,保留了液体网络的美丽特性,而不需要进行数字整合,"新论文的资深作者、麻省理工学院教授Daniela Rus在新闻发布会上说。"CfC模型是有因果关系的,紧凑的,可解释的,并能有效地训练和预测。它们为安全关键应用开辟了值得信赖的机器学习之路"。

然后可以利用自然智能来发展人工智能。

一些受大脑启发的计算机进展已经出现了。加州大学河滨分校的生物工程教授Vasileios Christopoulos在一次电子邮件采访中说,强化学习(RL)是一个流行的人工智能算法系列,其灵感来自于最近的大脑研究进展,已被用于自动驾驶汽车和机器人技术。

"RL是一个适应性过程,在这个过程中,物种利用他们以前的经验,以使最近在理解支撑RL的神经机制方面取得的进展帮助工程师开发新的人工智能算法,其中自主代理通过执行行动和监测其行动的后果来学习在未知环境中的行为,"他补充说。

思考未来

帕纳特预测,不断提高的记录能力最终将使大脑不同部分之间的交流能够被科学家解释和破译。

"控制动物奇特行为的神经系统对人工智能很重要,"他补充说。"例如,人们探索章鱼中的神经元如何沟通和协调运动以完成某些任务。"

但是,解码人类头骨内发生的事情是一个艰难的挑战。帕纳特指出,大脑中大约有800亿个神经元。

"他说:"在细胞水平上探索大脑不同部分之间的交流是一项艰巨的任务。"目前,我们仅限于通过神经探针记录最多1000个神经元的相互'对话'。因此,在记录密度和解释神经元的信号模式方面的进展一直具有巨大的意义"。

随着研究人员对硅和神经元之间的相似性有了更多的了解,计算机技术有一天也可能帮助治疗大脑疾病。纽约理工学院电气和计算机工程系教授玛丽亚姆-拉万最近与人合著了一些研究,利用机器学习来改善精神健康状况的治疗。在一项研究中,科学家们开发了一种机器学习算法来分析患者的脑电波,并将其模式归类为双相情感障碍或严重抑郁症的生物标志物。

"随着社会对心理健康的接受度和开放度越来越高,对人工智能技术的兴趣也越来越大,"Ravan在一次电子邮件采访中说。"鉴于此,我预计我们将继续看到更多的研究,利用人工智能的形式,包括机器学习,来帮助简化神经和精神疾病的治疗和诊断。"