论文部分内容阅读
最近以“阿尔法狗”为代表的一系列新进展说明，最新的人工智能已经不光靠计算速度了，而是具有了以往不具备的重要能力。
这一突破来源于人工智能采取了类似大脑的工作方式。传统上，计算机程序员的工作是把一个任务分解成一步一步的数字和逻辑运算，计算机执行完所有这些步骤，也就得到了问题的解决方案。可是很多时候这样处理任务需要太多的计算资源（比如下围棋），或者我们根本不知道如何把一个任务分解成简单运算（比如理解一部电影）。对于这一类被称为认知任务的问题，我们的大脑往往能够有效地处理。在脑内，没有计算机中常见的处理器或内存，而一个成年人脑中有800亿左右的神经细胞，以非常精密的方式相互作用，构成了一个巨大而复杂的神经网络。我们的一切思维都是这个网络活动的直接结果。而人脑执行认知任务的能力，是通过各种训练过程得到的。比如，下围棋和熟练使用语言都需要数年的时间和大量的练习。所以，大脑工作的这两个基本特性，即海量处理单元通过网络进行复杂的相互作用，以及通过训练逐渐提高智能水平，为人工智能提供了重要的借鉴。
近十年来，把多层的人工神经网络依次连接起来，并通过大量的训练来提高网络的信息处理能力，被证明是处理认知任务非常有效的方式。这一被称为“深度学习”的模式，在图像识别、语音识别、自动翻译等众多领域都取得了令人吃惊的效果。类脑处理任务的方式使得传统上难于处理的问题第一次变得可以解决了。除了在围棋上的成功，“深度学习”系统已经可以用语言描述一幅图片或是一段视频中的内容，可以基于医学影像对疾病做出比专科医生更为准确的诊断，可以通过面孔甚至走路的姿态进行准确快速的身份识别……工作原理的改变，使得人工智能实现了质的提升。
展望未来，类脑智能还有众多的“金矿”等待挖掘。现有系统的训练需要数量巨大的样本，远远超过人脑在掌握新技能时的所需，说明脑有更高效的学习规则，或是利用预先存贮的知识大大加快了学习。另外，“深度学习”系统只在特定的领域有较强的能力，而脑可以在众多的领域都表现出高度的智能，说明脑中具有处理多种任务的模块，而且有相應的机制可以把这些模块灵活地组织起来处理纷繁复杂的问题。随着对大脑工作原理的不断了解，脑科学与人工智能的深度融合将成为推动通用人工智能实现的强大动力。
这一突破来源于人工智能采取了类似大脑的工作方式。传统上，计算机程序员的工作是把一个任务分解成一步一步的数字和逻辑运算，计算机执行完所有这些步骤，也就得到了问题的解决方案。可是很多时候这样处理任务需要太多的计算资源（比如下围棋），或者我们根本不知道如何把一个任务分解成简单运算（比如理解一部电影）。对于这一类被称为认知任务的问题，我们的大脑往往能够有效地处理。在脑内，没有计算机中常见的处理器或内存，而一个成年人脑中有800亿左右的神经细胞，以非常精密的方式相互作用，构成了一个巨大而复杂的神经网络。我们的一切思维都是这个网络活动的直接结果。而人脑执行认知任务的能力，是通过各种训练过程得到的。比如，下围棋和熟练使用语言都需要数年的时间和大量的练习。所以，大脑工作的这两个基本特性，即海量处理单元通过网络进行复杂的相互作用，以及通过训练逐渐提高智能水平，为人工智能提供了重要的借鉴。
近十年来，把多层的人工神经网络依次连接起来，并通过大量的训练来提高网络的信息处理能力，被证明是处理认知任务非常有效的方式。这一被称为“深度学习”的模式，在图像识别、语音识别、自动翻译等众多领域都取得了令人吃惊的效果。类脑处理任务的方式使得传统上难于处理的问题第一次变得可以解决了。除了在围棋上的成功，“深度学习”系统已经可以用语言描述一幅图片或是一段视频中的内容，可以基于医学影像对疾病做出比专科医生更为准确的诊断，可以通过面孔甚至走路的姿态进行准确快速的身份识别……工作原理的改变，使得人工智能实现了质的提升。
展望未来，类脑智能还有众多的“金矿”等待挖掘。现有系统的训练需要数量巨大的样本，远远超过人脑在掌握新技能时的所需，说明脑有更高效的学习规则，或是利用预先存贮的知识大大加快了学习。另外，“深度学习”系统只在特定的领域有较强的能力，而脑可以在众多的领域都表现出高度的智能，说明脑中具有处理多种任务的模块，而且有相應的机制可以把这些模块灵活地组织起来处理纷繁复杂的问题。随着对大脑工作原理的不断了解，脑科学与人工智能的深度融合将成为推动通用人工智能实现的强大动力。