哈佛大學將對人工智慧展開突破性的研究

    加入我們永遠收到最新的消息

brain-circuit-top

哈佛大學的多學科研究團隊獲得超過兩千八百萬美元的資金,接受了發展新機器學習演算法的「太空挑戰」,如此一來可將人工智慧的功能性更貼近人腦。

雖然很多電腦系統都可以處理超越生物大腦可應付的大量數據;但是科技於學習及辨識圖樣的能力始終落後於自然。舉例來說,人類只需要看到一到兩隻狗就可以在未來辨識所有其他的狗;電腦則使用複雜的演算法來處理數千張狗的圖像以達到這樣的能力。

為了彌合這樣的差距,哈佛大學約翰·保爾森工程與應用科學學院、腦科學中心以及分子與細胞生物學院的科學家開始著手於制訂腦神經系統的連接點。藉由智能進階研究計劃(IARPA)所提供的資金,團隊希望利用數據更進一步了解分析新奇刺激物時,這些連接點如何使得大腦快速地辨認出圖樣。

接著研究人員計劃以其自然的設計為基礎,發展新的人工智慧系統來創造「生物啟示的電腦演算法」。

過程始於戴維.考克斯在工程與應用科學學院的實驗室,他的團隊會使用激光顯微鏡觀察及記錄老鼠學習辨識電腦螢幕上的圖像時,腦中視覺神經的活動力。希望藉此揭示神經細胞在學習過程中是如何相互連結及溝通。

iStock_neurons

然後,老鼠大腦的切片會被送到腦科學中心,利用電子顯微鏡來查看細部的神經線路圖像。如此一來,團隊就可以開始嘗試探究到底是什麼樣的構造與功能使得快速學習發生;最終就可以利用這樣的資訊來創造出相同運作模式的電腦系統。

實現這個目標會是一個冗長而且複雜的過程,因為大腦處理資訊的機制一點也不單純。舉例來說,近期的研究揭示突觸也就是腦神經細胞之間的連接點會為了控管傳輸訊號的力度而改變大小。

其他的研究則指出大腦中不同的區塊是如何相互溝通以促進圖樣的辨識。其中一篇近期的論文提及貯存於腦中高度認知區塊的資訊會傳遞至其它神經細胞以填補與外在刺激的差距。被稱為由上而下的過程,這樣的機制讓我們能夠從不完整的資料中推論;這也是為什麼我們可以辨別局部遮蔽的物體,或是當我們只聽到句子的一部分也可以明白其要點。

這是一個宏大的任務,考克斯在聲明中形容道:「這是規模類似人類基因組計劃的高難度挑戰。」可是這當然不容易,其淺在的研究成果「可以幫助我們更了解我們的大腦」是無價的;最終也可能「設計出匹配甚至是勝過人類的電腦系統。」

哈佛教授在TED對人工智慧的演講:

來源: Iflscience