مغز مفید مدل برای هوش مصنوعی?

فکر ماشین آلات فکر می کنم فقط مثل ما—اما تنها به یک نقطه.

در تابستان سال 2009 اسرائیل عصب شناسی Henry Markram strode بر روی تد مرحله در آکسفورد انگلستان ساخته شده و یک نماز پیشنهاد: در یک دهه او گفت که او و همکارانش خواهد ساخت کامل شبیه سازی مغز انسان در داخل یک ابر رایانه ها است. آنها در حال حاضر می خواهم سال ها وقت صرف نقشه برداری سلول در نئوکورتکس قرار صندلی از فکر و ادراک است. “این کمی مانند رفتن و فهرست نویسی یک تکه از جنگل” Markram توضیح داد. “چگونه بسیاری از درختان آن را داشته باشد ؟ چه اشکال دارد این درختان است؟” در حال حاضر تیم خود را مجازی ایجاد جنگل های بارانی در سیلیکون که از آنها امیدوار هوش مصنوعی خواهد ارگانیک پدیدار شود. اگر تمام رفت و او quipped, شاید, شبیه سازی مغز را پیگیری TED بحث برخورد با هولوگرام.

Markram ایده—که ما ممکن است درک ماهیت هوش بیولوژیکی با تقلید اشکال آن—ریشه در یک سنت طولانی و قدمت آن به کار اسپانیایی آناتومیست و برنده جایزه نوبل سانتیاگو Ramón y Cajal. در اواخر قرن 19 Cajal عهده میکروسکوپی مطالعه از مغز که او در مقایسه با یک جنگل بسیار متراکم است که “تنه و شاخه و برگ های لمسی در همه جا.” توسط طراحی هزاران سلول های عصبی در جزئیات نفیس Cajal قادر به استنباط مقدار شگفت آور در مورد چگونه آنها کار کرده است. او را دیدم که آنها به طور موثر یک راه ورودی-خروجی دستگاه: آنها دریافت پیام های الکتروشیمیایی در treelike سازه به نام دندریت ها و تصویب آنها را از طریق لوله های باریک به نام آکسون بسیار شبیه به “اتصالات الکتریکی هادی.”

Cajal را از راه نگاه کردن به سلول های عصبی تبدیل شد این لنز که از طریق آن دانشمندان با مطالعه عملکرد مغز است. همچنین الهام بخش عمده پیشرفت های فن آوری. در سال 1943 روانشناس Warren McCulloch و خود را تحت الحمایه والتر پیتز یک بی خانمان نوجوان نابغه ریاضی پیشنهاد ظریف چارچوب چگونه سلول های مغز رمزگذاری پیچیده افکار. هر نورون آنها استدلال انجام یک پایه منطقی عمل ترکیب ورودی های چندگانه را در یک فایل باینری خروجی: درست یا غلط. این عملیات به عنوان ساده به عنوان حروف الفبا می تواند حساس هم به کلمات و جملات و پاراگراف ها شناخت. McCulloch و پیتز’ مدل معلوم نیست برای توصیف مغز بسیار خوب, اما آن را تبدیل به یک بخش کلیدی از معماری از اولین کامپیوتر مدرن. در نهایت آن را تکامل یافته به شبکه های عصبی مصنوعی در حال حاضر معمولا در یادگیری عمیق.

این شبکه ها ممکن است بهتر بود به نام عصبی-ish. مانند McCulloch-پیتز نورون آنها امپرسیونیستی پرتره از آنچه که در مغز است. فرض کنید شما در حال نزدیک زرد لابرادور. به منظور به رسمیت شناختن سگ مغز شما باید قیف داده های خام خود را از شبکیه از طریق لایه های تخصصی سلول های عصبی در قشر مخ که انتخاب کردن سگ ویژگی های بصری و مونتاژ نهایی ، یک شبکه عصبی یاد می گیرد برای شکستن جهان به همین ترتیب. داده های خام جریان از یک آرایه بزرگ از سلول های عصبی از طریق چندین کوچکتر مجموعه ای از سلول های عصبی هر تجمع ورودی از لایه قبلی در راه است که پیچیدگی می افزاید: به طور کلی تصویر: اولین لایه می یابد لبه ها و نقاط روشن که بعد از ترکیب به بافت که بعد از مونتاژ به یک پوزه و به همین ترتیب تا زمانی که بالا میآید یک لابرادور.

با وجود این شباهت ها بیشتر شبکه های عصبی مصنوعی هستند و قطعا سازمان ملل متحد brainlike در بخشی به دلیل آنها یاد بگیرند با استفاده از ترفندهای ریاضی است که می تواند دشوار اگر نه غیر ممکن است برای سیستم های بیولوژیکی به انجام. در عین حال مغز و هوش مصنوعی در مدل های به اشتراک گذاری چیزی اساسی مشترک هستند: محققان هنوز نمی فهمم چرا آنها را به عنوان به خوبی به عنوان آنها را.

آنچه دانشمندان کامپیوتر و دانشمندان علوم اعصاب هستند پس از جهانی نظریه هوش—مجموعه ای از اصول که صادق است هر دو در بافت و در سیلیکون. آنچه آنها را به جای یک درهم و برهم کردن از جزئیات. یازده سال و 1.3 میلیارد دلار پس از Markram پیشنهادی خود را شبیه سازی مغز آن کمک کرده هیچ اساسی بینش به مطالعه هوش.

بخشی از مشکل این است که چیزی که نویسنده لوئیس کارول قرار دادن انگشت خود را بر روی بیش از یک قرن پیش. کارول تصور یک ملت آنقدر با وسواس وابسته به نقشه کشی جزئیات است که آن را نگه داشته در حال گسترش مقیاس نقشه های آن—6 متری به مسیر 100 متری به مایل و در نهایت مایل به مایل. یک نقشه به اندازه کل کشور چشمگیر است, قطعا, اما آن چه شما یاد می دهد ؟ حتی اگر دانشمندان علوم اعصاب می توانید دوباره ایجاد هوش صادقانه شبیه سازی هر مولکول در مغز آنها نمی یافت اصول اساسی شناخت. به عنوان ریچارد فاینمن فیزیکدان معروف تصریح کرد: “آنچه که من نمی تواند من را درک نمی کنند.” که Markram و همکار او الهام ممکن است اضافه کردن: “و آنچه که من می تواند ایجاد کنم نه لزوما درک کنند.”

این امکان وجود دارد که AI مدل نیازی به تقلید از مغز در همه. هواپیما پرواز با وجود تحمل کمی شباهت به پرندگان. در عین حال به نظر می رسد احتمال وجود دارد که سریعترین راه برای درک هوش است برای یادگیری اصول از زیست شناسی. این متوقف نمی شود در مغز: تکامل را نابینا طراحی زده شده است در راه حل های درخشان سراسر کل طبیعت است. ما بزرگترین ذهن در حال حاضر سخت در محل کار در برابر کم نور تقریبا-هوش ویروس خود را نابغه قرض گرفته شده از باروری ماشین آلات از سلول های ما مانند ماه قرض نور از خورشید است. هنوز, آن را بسیار مهم به یاد داشته باشید که ما کاتالوگ جزئیات چگونه هوش اجرا شده است در مغز که ما توصیف امپراتور لباس در غیاب امپراتور. ما خودمان را قول می دهم که ما او را می دانم هنگامی که ما او را—بدون توجه به آنچه که او را به پوشیدن.


کلی کلنسی (@kellybclancy) یک عصب شناسی در دانشگاه کالج لندن و DeepMind. او نوشت: در مورد کشنده خانوادگی بی خوابی یک بیماری نادر در موضوع 27.02.

این مقاله به نظر می رسد در شماره ژوئن. مشترک شدن در حال حاضر.

اجازه دهید ما می دانم آنچه شما فکر می کنم در مورد این مقاله. ارسال یک نامه به سردبیر در [email protected]


سری ویژه: آینده فکر کردن ماشین آلات
  • چرا هوش مصنوعی نجات ما از Covid-19?
  • به عنوان ماشین آلات دقیق چگونه ما مربوط به آنها را?
  • در حال AI-طراحی ربات های قاتل اجتناب ناپذیر ؟
  • آن را به نام هوش مصنوعی—اما آنچه که هوش ؟

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.de

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>