下一代人工智慧：AI如何變得更加人性化

在電影《記憶碎片》中，前保安萊昂納多·謝爾比必須根據自己支離破碎的記憶來找到殺害自己妻子的兇手的故事。但是，萊昂納多·謝爾比不是一個「正常」的傢伙，他在遭受攻擊之後患上了罕見的「短期記憶喪失症」，已經丟失的記憶是無法治癒的。

儘管他零星記得出事前的一些事，但謝爾比卻不記得15分鐘前發生了什麼，他也不記得為什麼要這樣做。用他自己的話說，「我知道我是誰，但我無法擁有新的記憶。」像謝爾比一樣，患有失憶症的人確實喪失了形成記憶的能力。但謝爾比發現用相機拍攝他曾經住過，去過的重要地點，他見過的人以及他見過的東西，他用拍立得照片來緩解的許多寶麗來照片來緩解短期記憶喪失症。

但是可憐的謝爾比每天醒來需要「恢復」的東西越來越多。他的學習能力似乎被「凍結」了。

你可能不知道這一點，但其實現在開發和使用的人工智慧幾乎100％都患有短期記憶喪失症」。無論人類如何日復一日地教它——AI都不會比它剛被第一天更聰明。

傳統人工智慧只知道它在實驗室里教的那些東西

隨著越來越多的機器——從智能相機和手機再到工業聯合機器人和自動駕駛汽車——都配備了某種形式的智能，同時人工智慧每天都在更新新的數據，但這些數據都是很容易被淘汰的。

要想知道這是多麼的糟糕，想像一下人類大腦在今天的人工智慧系統中會表現得如何。如果我們的大腦像目前設計的AI那樣設計，我們只會知道在大學裡學到了什麼。但是我們會畢業，進入社會，去工作，面對新的情況和挑戰，然後去睡覺，等第二天醒來沒有任何收穫，我們的知識是不變的。

雖然有人承認這個問題。就如美國國防部高級研究計劃局（DARPA）的創新通常可追溯多年以來的商業可用性（例如GPS和互聯網），但目前DARPA正在啟動一項專門用於AI系統終身學習的計劃。

我們通常所引用的DARPA項目是DARPA突觸項目。主要理論稱為自適應共振理論（ART）；我們稱之為ART的神經期望匹配器（NEMO），從60年代就已經存在了。DARPA突觸項目的創建是為了將多個神經形態模型合併為一個，其中一部分是NEMO。NEMO隨著NASA項目和其他項目一起進一步發展。

但自DARPA成立以來，世界發生了重大變化。現在，創業公司可以以一種飛快的速度和深度進行創新。

更具智能的人工智慧與終身DNN

傳統的DNN是固定的，為了增加新的數據，整個數據集需要重新訓練。另一方面，終身深度神經網路（Lifelong-DNN）是AI 2.0。這項技術是通過人工智慧日復一日地學習，類似於人類學習。終身DNN的靈感來源於腦神經生理學和模擬軟體皮質和皮層下電路「串聯」工作增加新的信息。

當我們在2006年介紹使用圖形處理單元（GPU）來加速神經網路計算的想法時，Neurala一直在使用這種技術取得進展。事實上，有幾家公司正在通過「轉移學習」來研究「災難性遺忘」。培訓一個網路做一件事，然後找出一種方法來訓練它做另一件事，而不會忘記第一件事）。James Kirkpatrick（Google Deepmind）和Ian J. Goodfellow（Google Brain）在AI這方面做了大量工作，但這是一個非常廣泛的領域，許多組織都在進行轉移學習。請注意，在一般轉移學習案例中，仍可以通過數千至數百萬個示例進行學習，同時還要尋找一種方法來保留之前完成的學習。

AI 2.0：解決遺忘問題

這裡的關鍵是能夠在軟體中捕捉哺乳動物大腦中學習的雙重性質，其中幾種神經遞質系統協同作用以使得慢速學習，基於對關鍵信息進行一次性學習，需要通過重複來掌握任務和快速學習的那種學習。

與安萊昂納多·謝爾比不同，AI 2.0和其終身DNN不會忘記它學到的東西。終身DNN使人工智慧可以在整個「生活」中學習。因此，它將開創新的應用程序和功能世界。

來源：https://www.forbes.com/sites/forbestechcouncil/2018/04/09/the-next-generation-ai-brain-how-ai-is-becoming-more-human/2/#c63446c1f6e7

編輯：錢馨瑤

· END ·

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！