有很多人试图展示神经网络与人类的差异如何,但我看不出人脑与神经模型在复杂性方面有何不同。
我们学习的方式是相似的,我们处理信息的方式是相似的,我们预测结果和生成输出的方式是相似的。给一个模型足够的处理能力、足够的训练样本和足够的时间,你就可以训练一个人。
那么,人类(大脑)和神经网络之间有什么区别?
有很多人试图展示神经网络与人类的差异如何,但我看不出人脑与神经模型在复杂性方面有何不同。
我们学习的方式是相似的,我们处理信息的方式是相似的,我们预测结果和生成输出的方式是相似的。给一个模型足够的处理能力、足够的训练样本和足够的时间,你就可以训练一个人。
那么,人类(大脑)和神经网络之间有什么区别?
人类和神经网络之间一个非常重要的区别是,人类大脑是数十亿年进化的结果,而神经网络的部分灵感来自于观察结果并思考“......我们可以做到”(非常尊重Hubel 和 Wiesel)。
人类的大脑(实际上是任何生物学的东西)在动物的 DNA 中都有嵌入的结构。DNA 有大约 4 MB 的数据,并且难以置信地包含了手臂去哪里、传感器放置位置和密度、如何初始化神经结构、驱动神经激活的化学平衡、记忆结构和学习机制等许多其他信息事物。这是惊人的。请注意,神经元的位置及其连接不是在 dna 中编码的,而是指示这些连接如何形成的规则。这与简单地说“有 3 个卷积层,然后是 2 个全连接层......”有着根本的不同。在神经进化方面已经取得了一些进展,我强烈建议您检查一下这是有希望的。
另一个重要的区别是,在“运行时”(lol)期间,人脑(和其他生物神经网络)具有神经元之外的多种功能。像胶质细胞这样的东西。你体内的每个神经元大约有 3.7 个神经胶质细胞。它们是中枢神经系统中的一个支持细胞,围绕着神经元,为它们提供支持和绝缘,并修剪死的神经元。这种维护是对神经结构的持续更新,可以最有效地利用资源。借助功能磁共振成像,神经学家才刚刚开始了解这些微小变化如何影响大脑。
这并不是说不可能拥有与人类具有相同高级能力的人工神经网络。只是我们当前的模型缺少很多东西。就像我们试图用篝火复制太阳一样,但见鬼,它们都很温暖。
比较不同的对象
人与人工网络之间的比较不能在平等的基础上进行。前者是许多东西的组合,而后者不是。
与位于笔记本电脑或服务器的计算机内存中的人工网络不同,人类是一个有机体,从头到脚,生活在生物圈中,从出生起就与其他人互动。
人类训练
我们在受精卵中具有潜在的智力,这些受精卵在减数分裂过程中相遇并固化为我们的遗传密码,但它还没有经过训练。直到大脑从它的第一个细胞中生长出来,大脑的新陈代谢、感觉、认知、运动控制以及免疫结构和功能的基因表达才能实现这一目标。九个月的成长后,新生婴儿的智力还没有表现在动作、语言或行为上,除了吸吮液体食物。
我们的智力在最初的基本行为训练后开始出现,直到家庭结构和教育组成部分的相应发展阶段完成后,才达到通过表明学术能力的测试的能力。这些都是发展心理学领域的研究人员充分研究和记录的观察结果。
人工网络不是特别神经
人工网络是一个关于神经元在网络中的行为的现已过时模型的遥远且扭曲的概念后代。即使在第一次构思感知器时,人们就知道神经元对来自排列在复杂微结构中的其他神经元的突触传递的电脉冲的激活作出反应,而不是通过对向量矩阵乘积执行激活函数。人工神经元输入处的参数矩阵是对衰减信号求和,而不是对可能仅在时间上大致对齐的脉冲产生电化学反应。
从那时起,神经元的成像和体外研究揭示了神经可塑性的复杂性(神经元网络拓扑的遗传定向变形)、细胞类型的多样性、细胞分组以形成几何功能,以及参与轴突的能量代谢。
在人脑中,数十种调节功能并构成全球和区域状态的化合物的化学途径以及这些成分的分泌、传递、激动剂和拮抗剂的接收、相互作用和摄取正在研究中。在今天部署的人工网络环境中几乎没有,如果有的话,虽然没有什么能阻止我们设计这样的监管系统,而且最近的一些工作已经朝着这个方向推进。
有性生殖
人工网络也不是由有性生殖产生的个体内部的大脑,因此可能在神经功能上表现出两个父母中最好的或最差的。我们还没有从遗传算法中产生人工网络,尽管已经考虑过这一点并且很可能会再次对其进行研究。
调整比较基础
简而言之,比较的基础使其毫无意义,但是,在上述基础上进行一些调整,可以认为另一个类似的比较是有意义的,并且是在更平等的基础上进行的。
一个大学生和一个拥有数十亿人工神经元的人工网络有什么区别,这些人工神经元配置良好,连接到五种感官和运动控制,集成在一个像家庭和社区成员一样被培养和教育的类人机器人中自最初部署以来已有 18 年?
我们不知道。我们甚至无法模拟这种 18 年的机器人体验,也无法以科学的信心正确预测可能发生的事情。上述的许多 AI 组件还没有得到很好的开发。当他们是——并且没有特别令人信服的理由认为他们不能——那么我们将一起找出答案。
可能提供答案的研究
从进一步的认知科学发展、实时神经元水平成像、研究大脑生长的基因表达来看,人工神经元设计可能会超越感知器和更具时间意识的 LSTM、B-LSTM 和 GRU 变体以及神经元的拓扑结构安排可能会打破其当前的笛卡尔结构限制。
大脑中的神经元不是以正交的行和列排列的。它们形成集群,在低结构水平上表现出闭环反馈。这可以通过 B-LSTM 类型的人工网络单元进行模拟,但任何受过数字电路设计教育的电气工程师都明白,模拟和实现在效率上相差甚远。信号处理器的运行速度可以比其模拟快数千倍。
从计算机视觉、听觉、触觉-运动协调、嗅觉传感、材料科学支持、机器人包装和远远超出锂电池所能产生的微型电源的发展,可能会出现可以在交互时学习的类人机器人。到那时,可能很容易找到一个不能生孩子的家庭会收养一个人造孩子。
科学严谨
在这些领域取得进展是必要的,以便在科学基础上进行这种比较,并增强对要发表的比较结果的信心,并通过对媒体炒作、做出正确的职业发展或提升公司业绩不感兴趣的严肃研究人员的同行评审。股票价格。