用神经网络研究神经网络

来源:三联生活周刊 2018年05月22日 06:32

基于神经网络的有源电力滤波器应用研究

袁越

俄罗斯亿万富豪德米特里·伊茨科夫(Dmitry Itskov)是一个喜欢幻想的人,他于2011年发起了“2045行动”(2045 Initiative),希望在2045年他65岁之前把自己的意识上传到一台电脑中去,这样他的灵魂就可以永生了。

要想实现这个目标,首先必须搞清楚意识的物质基础。神经科学家们普遍认为,人类的意识存在于大脑神经元的连接方式之中。美国国立卫生研究院(NIH)于2010年启动了“人类神经连接组学计划”(Human Connectome Project),希望能把人类大脑中所有神经元的连接方式全都画出来,就像当年的人类基因组计划一样。伊茨科夫也为这项计划投资了一大笔钱,希望能借助这项计划实现自己的理想。

一家法国电视台拍摄了一部名叫《大脑工厂》(Brain Factory)的纪录片,为观众梳理了这项计划的来龙去脉和伊茨科夫的野心。据该片介绍,神经科学家们在伊茨科夫的资助下,动用了世界上最先进的核磁共振成像仪,已经初步画出了部分人类大脑神经元的连接模式。问题在于,仅仅这一部分神经元就已经复杂到难以解读的程度了。要知道,人脑中一共有大约1000亿个神经元,每个神经元都和另外几十甚至上百个神经元有联系,光是把这些连接都画出来就已经是一项几乎不可能完成的任务了,更不用说还要去分析其中的规律。

于是,在这部片子的结尾,几乎所有被采访到的科学家都承认,这个目标的实现难度太大了,目前还看不到任何希望。

但是,阿尔法围棋(AlphaGo)的出现改变了一切。这套基于“深度学习”算法的人工智能电脑程序战胜了世界最顶尖的职业围棋高手,让神经科学家们看到了曙光,他们希望能够借助人工智能的力量,帮助他们解决这个看上去无比复杂的问题。

2018年2月20日出版的《自然》(Nature)杂志就介绍了这样一个案例。旧金山一家私立神经科学研究所的史蒂夫·芬科伯纳(Steve Finkbeiner)博士领导的一个研究小组试图运用扫描仪研究大脑神经元的功能,但这套设备产生了海量的数据,远远超过了他们的分析能力。于是,芬科伯纳和谷歌的人工智能部门展开合作,利用谷歌提供的深度学习算法帮助自己分析这些数据,取得了意想不到的成功。

深度学习算法的核心是人工神经网络,也就是通过模仿生物神经网络的运行模式,使计算机具备像人类一样的思考和学习的能力。基于人工神经网络的阿尔法围棋程序戰胜了最强的人类大脑,这件事让不少人相信,也许只有借助人工神经网络才能彻底搞清生物神经网络的秘密。

比如前文提到的“人类神经连接组”看上去就是一团乱麻,似乎毫无规律可言,但借助人工神经网络,科学家已经可以做一些简单的分析工作了,比如已经有人借助人工智能分析脑电波,猜出了受试者正在看什么样的图片。

这项研究再继续发展下去就是读心术了,于是不少人提出抗议,认为这项研究有悖伦理。2018年3月10日出版的《新科学家》(New Scientist)杂志刊登了一篇文章,认为我们不必担心自己的那点小心思被机器看出来,因为目前的研究水平距离真正的读心术还差得远。但是,这项研究有助于帮助那些残障人士提高生活质量,比如已经有人制造出了一种读心机器,能够帮助残疾人通过意念来控制机械臂,做出简单的动作。

虽然目前这套设备所能做出的动作十分有限,但想当初阿尔法围棋从战胜欧洲冠军到战胜世界冠军只用了不到半年的时间。人工智能的发展速度往往超出人们的预期,让我们拭目以待吧。

相关推荐
最新文章