回覆列表
-
1 # 海水不鹹34
-
2 # 孤猴78345271
原創思想,恕本人直言,現在的AI不過是新一輪的炒作而已,與上世紀80年代比,並未突破性的進展,原因是AI的核心是人腦的研究,但無論是聽覺模式感知,視覺模式感知,自然語言理解,大腦思維上均未取得突破性進展。所以,AI的突破需要高智商的人耐得住寂寞,甘願坐幾十年的冷板凳。問題是,在急功近利的今天,中國還有這樣的人才嗎?中國支援這樣原始創新的人才嗎?
-
3 # 華科大訊飛
科大訊飛是國內甚至世界上最值得去發展的人智慧,很多人因為她是一家上市企業,為了二級市場投資股票獲得收益,出現認可和不認同等不同聲音,但是,所有華人應該明白,科大訊飛代表了人工智慧的未來,不管你相不相信,無論你是否認可!
弱人工智慧,實際上講的就是自動化。AI講的是強人工智慧,就是能夠模仿人腦的一些功能。包括人工智慧專家在內的科學家,生物學家和人腦科學家,以及計算機專家和數學家。都認為從理論上講,人工智慧還沒有突破“意識”這道關。發達國家,在以往的實踐中,屢次撥款,都是無功而返。作為國家投資和提倡,首先要在理論上有所突破。愛因斯坦發表相對論,並不是靠國家計劃來實現的。所以國家的支援和提倡,應該是對自動化行業的鼓勵,對弱人工智慧的輔助。基礎理論上的突破,範圍太廣,無法把握,有很大的偶然性。某些機構和企業,過分渲染人工智慧的美好前景!迴避存在的致命問題。比如,手寫文字的識別,相比較人,差的很多。這次的人工智慧熱,主要是由阿爾法狗引起。僅僅是人工智慧很狹窄的一個領域。相對於手寫文字的識別,市場小得多。
手寫文字識別,蘊含著視覺識別的關鍵技術。由於關鍵技術的卡殼,使此領域的專家不受待見。其實他們的理論深度,最接近真相。
可以試想一下,愛因斯坦的廣義相對論,在現在的輿論環境下,會不會被埋沒?突破性的理論,往往難以理解。如果透過同行評議,才能發表,有誰願意花精力去深入研究。其下場!必然是被埋沒。相對論有幾個人懂?要不是普朗克的極力推薦,只有可能被埋沒。更何況現在的理論已經氾濫成災,尤其是人工智慧方面的文章,幾十萬上百萬的積累。人們看文章,只能首先看名氣。被忽略的新觀點,肯定不計其數。
大腦為什麼有意識?因為,神經元不僅需要資訊刺激,還需要能量輔助。所以,人體內有激素分泌。激素就像積體電路的電源,但不同的是,積體電路的電源,像灌溉系統的漫灌方式。而人體的激素,是透過大血管,到毛細血管,精準定位定量定時,相當於滴灌。所以,血管有伺服神經。而伺服神經產生的興奮,就是意識。而神經系統的資訊傳遞,是遞質在觸角之間的傳遞。而激素, 是透過提高細胞膜電壓的壓差,提高神經細胞的靈敏度。 這樣就能把注意力集中在,部分概念神經元,也具有分類功能。人腦為什麼會無中生有地產生思維?就是由於神經細胞膜電壓提高到臨界狀態。人為什麼會做夢?就是因為睡覺,也能讓神經細胞的膜電壓提高。
資訊神經網路,是透過結構的變化來記憶資訊。血管的伺服神經網路,也是可以改變結構,來記憶意識類的概念。意識類的神經網路,相當於阿爾法狗的評價系統。
大腦為什麼有注意力?注意力就是激素的管控能力。蚊子蒼蠅,都有注意力。所以,意識也是注意力。現在的人工智慧研究,完全忽略了意識的存在!只有爾法狗的評價系統,有些許突破,立刻引起了轟動。如果我們能把,積體電路的電源,進行精細化分類控制。不就相當於用很多GPU,代替CPU嗎?最簡單的gpu,就是一個神經元的數學模型。不同的組合,產生不同的功能。對大腦而言,每一個神經元就是gpu,這樣才能產生,分散式計算,分散式記憶。
可以肯定的說,每個人的神經網路,都是各不相同。結構本身也能記憶資訊,而不是,結構相同,遞質的多少決定權重,繼而記憶資訊。不信,請拭目以待。
弱人工智慧和強人工智慧的第一個區別:神經網路是先天遺傳,還是後天塑造?
學過硬體電子線路的同學,都知道譯碼器。比如老式計算器上的8字顯示器,下面有一個三八譯碼器晶片電路驅動。輸入端是三位二進位制碼。輸出端是八段顯示條,相當一個影象。如果把邏輯反過來使用。輸入不同的影象,就能得到不同的二進位制碼。這個網路的邏輯清清楚楚!只不過是人為設計的。
大腦的神經網路是怎麼設計的呢?大腦科學家用核磁共振儀器,觀察帶熒光的新生神經元。發現,老年人也有新的神經元產生。也就是說,新的神經網路,是由神經幹細胞的觸角,連線起同時興奮的感測細胞,也包括神經細胞。這樣的神經網路結構,就不同於現在普遍公認的神經網路,也就是說,連線網路的結構,是非標準的。所以,結構本身具有記憶資訊的功能。這就像,4-16譯碼器和3-8譯碼器線上路結構上不同一樣。注意,這是弱人工智慧和強人工智慧,第一個根本的區別。
與譯碼器電路不同的是,每個神經元上的電源,是透過毛細血管分泌激素來實現。毛細血管又是由伺服神經控制,它可以將大腦的注意力,限制在一定範圍,這個範圍通常是按概念的分類劃分。訊號刺激的是神經元的觸角,激素刺激的是觸角周圍的細胞膜。這有什麼作用呢?它可以給神經元逐步提升電壓。只讓在同類神經元中,相似度最高的神經元,產生興奮。假如,8-3譯碼器的輸入影象有一段壞了,也能觸發一個神經元衝動。這就是模糊識別。這就解決了,非一模一樣的影象不認識的難題。只要透過相似的影象,總能找一個概念,來回憶和識別。
從生理學角度看,這種神經網路不同於現在普遍採用的深度學習的神經網路。他不是黑箱,有完整的邏輯可以推理演繹。