找回密码
 立即注册

QQ登录

下一代人工智能:AI如何变得更加人性化

评论: 0 | 发布者: qianxinyao |原作者: 钱馨瑶

放大 缩小
在电影《记忆碎片》中,前保安莱昂纳多·谢尔比必须根据自己支离破碎的记忆来找到杀害自己妻子的凶手的故事。但是,莱昂纳多·谢尔比不是一个“正常”的家伙,他在遭受攻击之后患上了罕见的“短期记忆丧失症”,已经丢失的记忆是无法治愈的。


尽管他零星记得出事前的一些事,但谢尔比却不记得15分钟前发生了什么,他也不记得为什么要这样做。用他自己的话说,“我知道我是谁,但我无法拥有新的记忆。”像谢尔比一样,患有失忆症的人确实丧失了形成记忆的能力。但谢尔比发现用相机拍摄他曾经住过,去过的重要地点,他见过的人以及他见过的东西,他用拍立得照片来缓解的许多宝丽来照片来缓解短期记忆丧失症。
 
但是可怜的谢尔比每天醒来需要“恢复”的东西越来越多。他的学习能力似乎被“冻结”了。



你可能不知道这一点,但其实现在开发和使用的人工智能几乎100%都患有短期记忆丧失症”。无论人类如何日复一日地教它——AI都不会比它刚被第一天更聪明。
 

传统人工智能只知道它在实验室里教的那些东西

随着越来越多的机器——从智能相机和手机再到工业联合机器人和自动驾驶汽车——都配备了某种形式的智能,同时人工智能每天都在更新新的数据,但这些数据都是很容易被淘汰的。
 
要想知道这是多么的糟糕,想象一下人类大脑在今天的人工智能系统中会表现得如何。如果我们的大脑像目前设计的AI那样设计,我们只会知道在大学里学到了什么。但是我们会毕业,进入社会,去工作,面对新的情况和挑战,然后去睡觉,等第二天醒来没有任何收获,我们的知识是不变的。



虽然有人承认这个问题。就如美国国防部高级研究计划局(DARPA)的创新通常可追溯多年以来的商业可用性(例如GPS和互联网),但目前DARPA正在启动一项专门用于AI系统终身学习的计划。
 
我们通常所引用的DARPA项目是DARPA突触项目。主要理论称为自适应共振理论(ART);我们称之为ART的神经期望匹配器(NEMO),从60年代就已经存在了。DARPA突触项目的创建是为了将多个神经形态模型合并为一个,其中一部分是NEMO。NEMO随着NASA项目和其他项目一起进一步发展。
 
但自DARPA成立以来,世界发生了重大变化。现在,创业公司可以以一种飞快的速度和深度进行创新。
 

更具智能的人工智能与终身DNN

传统的DNN是固定的,为了增加新的数据,整个数据集需要重新训练。另一方面,终身深度神经网络(Lifelong-DNN)是AI 2.0。这项技术是通过人工智能日复一日地学习,类似于人类学习。终身DNN的灵感来源于脑神经生理学和模拟软件皮质和皮层下电路“串联”工作增加新的信息。



当我们在2006年介绍使用图形处理单元(GPU)来加速神经网络计算的想法时,Neurala一直在使用这种技术取得进展。事实上,有几家公司正在通过“转移学习”来研究“灾难性遗忘”。培训一个网络做一件事,然后找出一种方法来训练它做另一件事,而不会忘记第一件事)。James Kirkpatrick(Google Deepmind)和Ian J. Goodfellow(Google Brain)在AI这方面做了大量工作,但这是一个非常广泛的领域,许多组织都在进行转移学习。请注意,在一般转移学习案例中,仍可以通过数千至数百万个示例进行学习,同时还要寻找一种方法来保留之前完成的学习。
 

AI 2.0:解决遗忘问题

这里的关键是能够在软件中捕捉哺乳动物大脑中学习的双重性质,其中几种神经递质系统协同作用以使得慢速学习,基于对关键信息进行一次性学习,需要通过重复来掌握任务和快速学习的那种学习。
 
与安莱昂纳多·谢尔比不同,AI 2.0和其终身DNN不会忘记它学到的东西。终身DNN使人工智能可以在整个“生活”中学习。因此,它将开创新的应用程序和功能世界。

来源:https://www.forbes.com/sites/forbestechcouncil/2018/04/09/the-next-generation-ai-brain-how-ai-is-becoming-more-human/2/#c63446c1f6e7
编辑:钱馨瑶
欧式古典 分割线
· END ·

返回顶部