脑建模先驱说:深度学习不可信 - IEEE

22-01-07 banq

在过去的 20 年中,深度学习通过一系列有用的商业应用开始主导人工智能研究和应用。

现在,在一本新书中,IEEE 研究员Stephen Grossberg认为需要一种完全不同的方法。Conscious Mind, Resonant Brain: How Each Brain Make a Mind描述了基于 Grossberg 几十年来进行的认知和神经研究的生物和人工智能的替代模型。他称他的模型为自适应共振理论 (ART)。

Grossberg 是波士顿大学认知和神经系统、数学和统计学、心理和脑科学以及生物医学工程领域的杰出教授,他将 ART 建立在他关于大脑如何处理信息的理论的基础上。

 

在充满意外事件的不断变化的世界中,我们的大脑学会识别和预测物体和事件,基于这种动态,ART 使用有监督和无监督的学习方法来解决模式识别和预测等问题。

ART 可以放心使用,因为它是可解释的,并且不会经历灾难性的遗忘。他补充说,ART 解决了他所谓的稳定性-可塑性困境:大脑或其他学习系统如何能够在不经历灾难性遗忘(稳定性)的情况下自主快速学习(可塑性)。

Grossberg 于 1976 年制定了 ART,是模拟大脑如何变得聪明的先驱。

 

由于 Grossberg 的“对理解大脑认知和行为的贡献,以及他们的技术模拟”,他获得了2017 年 IEEE Frank Rosenblatt 奖,该奖以被某些人认为是“深度学习之父”的康奈尔大学教授命名。

 

格罗斯伯格试图在他近 800 页的书中解释“我们称之为大脑的小块肉”如何产生思想、感觉、希望、感觉和计划。许多公司已经应用了本书在多个工程和技术应用中总结的那种受生物学启发的算法。

大脑有一套共同的机制可以控制人类如何在不忘记已经学过的情况下保留信息。我们保留了过去经历的稳定记忆,这些事件序列存储在我们的工作记忆中,以帮助预测我们未来的行为,人类有能力在他们的一生中继续学习,而不会因为新的学习而冲刷掉我们之前学到的重要信息的记忆。

了解大脑如何产生思想对于设计计算机科学、工程和技术中的智能系统也很重要,包括人工智能和智能机器人。

 

经典AI的问题在于其假设前提:假设人们可以通过用来描述日常生活中的物体和行为的概念和词语来内省大脑的内部状态(通过分析形式语言内射大脑状态,语言是思想的表现形式),但这种方法往往不足以构建生物大脑如何真正运作的模型。

当今人工智能的问题在于它试图模仿大脑处理的结果,而不是探索产生结果的机制。

由于大脑中有专门的自我调节回路:人们的行为可以“即时”适应新的情况和感觉。人们可以从新情况中学习,意外事件会融入他们对世界的收集知识和期望中。

 

猜你喜欢