在过去的20年里,深度学习已经通过一系列有用的商业应用主导了人工智能的研究和应用。网上亚博Ayabo2016但是,在耀眼的光芒之下,一些根深蒂固的问题威胁着这项技术的崛起。
例如,典型的深度学习程序无法在多个任务上表现良好,这严重限制了该技术在严格控制环境中的特定任务的应用。更严重的是,有人声称深度学习不值得信任,因为它无法解释——而且不适合某些应用,因为它可能会经历灾难性的遗忘。更直白地说,如果算法真的有效,可能不可能完全理解其中的原因。当这个工具慢慢地学习一个新的数据库时,它所学习的记忆的任意一部分可能会突然崩溃。因此,在任何生死攸关的应用程序上使用深度学习可能是有风险的,比如医疗应用程序。
现在,在一本新书中,IEEE会员Stephen Grossberg认为需要一种完全不同的方法。有意识的头脑,共鸣的大脑:每个大脑如何形成一个头脑描述了基于认知和神经研究的生物和人工智能的替代模型,Grossberg已经进行了几十年的研究。网上亚博Ayabo2016他称他的模型为自适应共振理论(ART)。
认知和神经系统、数学和统计学、心理和脑科学以及生物医学工程的教授波士顿大学基于他关于大脑如何处理信息的理论。
他说:“我们的大脑学会在充满意外事件的不断变化的世界中识别和预测物体和事件。”
基于这种动态,ART使用监督和无监督学习方法来解决模式识别和预测等问题。使用该理论的算法已被包括在大规模的应用比如对声纳和雷达信号进行分类,检测睡眠呼吸暂停,推荐电影,以及基于计算机视觉的驾驶辅助软件。
Grossberg说,ART可以自信地使用,因为它是可解释的,而且不会经历灾难性的遗忘。他补充说,ART解决了他所谓的疾病stability-plasticity困境:大脑或其他学习系统如何在不经历灾难性遗忘(稳定性)的情况下快速自主学习(可塑性)。
Grossberg在1976年提出了ART,他是大脑如何变得聪明的建模的先驱。他是波士顿大学的创始人和主任适应性系统中心他是教育、科学和技术卓越学习中心.这两个中心都试图了解大脑如何适应和学习,并基于他们的发现开发技术应用。
由于格罗斯伯格“在理解大脑认知和行为方面的贡献,以及它们在技术上的模仿”,他获得了诺贝尔奖2017年IEEE Frank Rosenblatt奖,以康奈尔大学教授被一些人认为是“深度学习之父”。
Grossberg在他近800页的书中试图解释“我们称之为大脑的小块肉”是如何产生思想、感情、希望、感觉和计划的。他特别描述了试图解释这是如何发生的生物神经模型。这本书还涵盖了阿尔茨海默病、自闭症、健忘症和创伤后应激障碍等疾病的潜在原因。
他写道:“理解大脑如何产生思想,对于设计计算机科学、工程和技术领域的智能系统也很重要,包括人工智能和智能机器人。”“许多公司已经将这本书总结的那种受生物学启发的算法应用于多种工程和技术应用。”
他说,书中的理论不仅对理解大脑有用,而且可以应用于智能系统的设计,这些系统能够自主地适应不断变化的世界。总之,这本书描述了使人们变得聪明、自主和多才多艺的基本过程。
艺术之美
Grossberg写道,大脑的进化是为了适应新的挑战。他说,有一套共同的大脑机制控制着人类如何在不忘记已经学过的知识的情况下保留信息。
他说:“我们对过去的经历保持稳定的记忆,这些事件的顺序被存储在我们的工作记忆中,以帮助预测我们未来的行为。”“人类有能力在一生中继续学习,而不会因为新的学习而洗去我们之前学过的重要信息的记忆。”
理解大脑如何产生思想对于设计计算机科学、工程和技术领域的智能系统也很重要,包括人工智能和智能机器人。
他说,传统人工智能面临的问题之一是,它经常根据大脑如何运作来建立模型可能工作,使用可以从内省和常识中获得的概念和操作。
他写道:“这种方法假设你可以用人们在日常生活中用来描述物体和行为的概念和词汇来内省大脑的内部状态。”“这是一种很有吸引力的方法,但其结果往往不足以建立一个生物大脑如何真正工作的模型。”
他说,当今人工智能的问题在于,它试图模仿大脑处理的结果,而不是探究产生结果的机制。格罗斯伯格说,人们的行为会“快速”适应新情况和新感觉,这要归功于大脑中专门的回路。他补充说,人们可以从新的情况中学习,意想不到的事件被整合到他们对世界的知识和预期中。
他补充说,ART的网络源自人与动物如何与环境互动的思想实验。“ART电路是人类和其他陆生动物已经成功适应的多种环境约束的计算解决方案....”这一事实表明,ART设计可能以某种形式体现在所有未来的自主自适应智能设备中,无论是生物的还是人工的。
“技术和人工智能的未来将越来越多地依赖于这种自我调节的系统,”Grossberg总结道。“这已经在自动驾驶汽车和飞机的设计上发生了。当对大脑设计的更深入的见解被纳入高资金支持的工业研究和应用中时,想到可能会取得更多的成就,这是令人兴奋的。”