新科技：計算機能像人腦一樣思考，你能接受嗎？

最牛不過科技，最強不過大腦。大腦和能思考是上帝賜給我們的珍寶，不過現在經過科學家們的巧手這個能力已不再是人類獨有的了，計算機或許也能像人類一樣思考，這個你怎麼看？

人腦非常奇妙。在幾十年研究之後，人類仍然無法複製出人腦的超快計算速度。目前，計算機科學家可以利用的最強大工具是神經網路。

這樣的大型計算機網路能通過訓練去解決複雜問題，而機制類似於人類的中樞神經系統，即利用不同層次的神經元解決問題的不同部分，最終合并為適當的答案。

厲害了word科學家 研究人工神經網路

研究人員表示：「我們的計算機演算法集成了臨時編碼機制。我們在神經網路的每層中保存多個拷貝。整個神經網路被複制了4次。這意味著系統可以學習得知，每個拷貝代表了某個特定對象，而將這些對象合并在一起，就可以與原始圖像進行匹配。」研究人員此前曾是英偉達的軟體工程師，目前正在芬蘭阿爾託大學從事深度學習的博士研究工作。

在神經科學中，名為「速率編碼」的理論認為，大腦中神經元的激發速率越高，神經元就越活躍。神經元持續被激發。而80年代時，科學家發現，神經元會將自身組織在一起，代表不同的信息。 這一理論被稱作「臨時編碼」。

理論認為，神經元的激發時機很重要，而準確的激發時機定義了，在數萬神經元中哪些神經元屬於同一群體。因此，一部分神經元可以同時激發，幫助大腦識別一系列對象中的某個對象，例如一堆辦公用品中的一塊紅布，而另一部分神經元會告知大腦，其他對象都屬於背景信息。

牛逼到沒朋友的知覺分組

研究人員最初指導神經網路在無監督的情況下分析圖片，組織對象，隨後向圖像加入標記信息（監督學習），從而觀察系統究竟學會了什麼。他們發現，Curious AI的Tagger系統能實現75.1%的準確率。 作為對比，傳統神經網路的準確率只有21%，比隨機猜測的準確率僅僅高出1%。

此外，研究人員還表示，在當前系統中，計算機運行在基於統計的世界觀中。如果讓計算機進入人類生活的世界，那麼非常重要的一點是讓機器以類似人類的方式去理解世界。人們通常很難理解計算機視覺的效果很差，因為人眼視覺對我們來說很自然。

該公司的相應論文《Tagger：深度無監督知覺分組》將於12月7日在巴塞羅那的「神經信息處理系統2016」深度學習大會上發表。

Curious AI正在尋找工業界的合作夥伴，在現實世界的人工智慧系統中試點其深度學習技術。目前，該公司正與希望發展無人駕駛技術的汽車廠商進行接觸。看來再牛逼的研究最終也還是要回歸商業。

文章作者：陳樺

文章來源：AI世代

如有侵權請聯繫我們將立即刪除