智能时代的评论 全部393条

我来说两句

• 

  i3****526 2020-11-06

  脑机接口：技术实现途径脑机接口设备-神经链目标：实现记忆的下载和上传，可传到新的克隆体中，也可传到机器人身体中。显场演示：将神经链植入小猪头骨中以接收来自小猪大脑中的电信号，当小猪以鼻子触碰测试物件时，电信号产生明显的波峰，这是由于在植入小猪头骨中的神经链与猪鼻子上的感觉神经元建立信息网络联结。脑机接口技术能否打开“潘多拉魔盒”，让我们能窥探大脑的奥密呢？脑机接口技术能否成为技术奇点，如同宇宙初始时的奇点大爆炸，一旦科技作出重大突破，就能引发出相关领域呈现出爆发式增长呢？这种关键技术即是技术奇点。如何预测脑机接口的技术奇点？首先，我们就把观注的目光投向我们的大脑。目前大脑科学利用现代科技观测手段，虽然已经取得长足的进步，但是人类对大脑的其实还比较肤浅，关于大脑的一切见识，科学家们一直争论不休，即使现在已经成为主流观点，在未来，这些知识可能都会得到修正。大脑发育生理学将大脑分为三个发育层次：第一层：爬行动物脑或称爬虫脑，这是一个生存系统，控制着心跳、呼呼、睡眠、觉醒等生存所必须的功能。这一层脑结构就像一台我们根本无法控制自动运行的机器。

  0 0

• 

  i3****526 2020-11-06

  图神经网络（GNNs）图学习中一种主流的技术标准的传导节点网络的分类基准结果，通过将忽略图结构的浅层模型与利用标签结构中相关性的两个简单后处理步骤相结合，可以超越或匹配SOTA的GNN性能，这里主要有两个相关性（i）将训练数据中的残余误差带到测试数据中，用于矫正错误的“误差相关性”，以及（ii）一个“预测相关性”，它可以平滑测试数据上的预测。整个过程为矫正且平滑，后处理步骤是通过对早期基于图的半监督学习方法的标准标签传导技术的简单修改来实现的。如何直接将标签信息纳入学习算法，并产生简单而实质性的性能提升，也可以将技术融入大型GNN模型中，提供适度增益？随着神经网络在计算机视觉和自然语言处理方面的成功，现在有许多的图神经网络GNN来对关系性数据进行预测。这些模型已经取得了很大的成功，并且在开放的图基准排行榜上名列前茅。通常，GNN的方法主要是围绕着创建比基本结构更具表现力的体系结构，如图卷积网络GCN或GraphSAGE；例子如图注意力网络，图同构网络和各种深层模型。许多新GNN架构的想法都是从语言（例如注意力）或视觉例如深层CNN模型中新架构改编而来的，希望能成功转化为图形。

  0 0

• 

  i3****526 2020-11-06

  人工耳蜗工作原理人工耳蜗并不是将外界的声音放大了，而是通过对外界声音的简单识别之后，发出电流干扰人体信息传递的电信号，从而使人听到本不存在的声音。人工耳蜗就是个翻译设备，将声音翻译成电信号，而现在所说的脑机接口实际上也是一种与人工耳蜗类似的翻译设备，只不过它是双向翻译，既能够把大脑所想翻译给机器听，也能够把机器接收到的信息反馈给大脑。脑机接口通过收集人脑的电信号，将其翻译成指令来指挥机器运作，同时也会将机器所接收到的信息再翻译成电信号反馈给大脑。不过，目前脑机接口的翻译能力还是极为有限，这就好比人工耳蜗无法实现复杂的话术翻译一样，人工耳蜗只能让失聪者了解简单谈话的大概意思，并不能真的让他们听到原话，脑机接口也是一样，目前脑机接口主要用于残障人士对于机械假肢的指挥，有了脑机接口，残障人士便能够直接通过意念控制机械肢体，同时机械肢体触碰物体的感觉也会反馈回来，这使得特殊人群真的觉得自己的肢体再次复活了。只有神经科学进一步发展，人类能够破译更多的大脑电信号，脑机接口才能有更大的价值和发展空间。如果有朝一日，大脑的所有信号都能被破译，那么我们就真的可以躺在床上闭着眼就把所有事都干了。

  0 0

• 

  i3****526 2020-11-06

  脑机接口：用意念控制万物脑机接口是如何实现人机互联的？早晨睡醒，不用从被窝里钻出来，甚至于连眼睛都不用睁，只需要动一动脑子，电脑就能够自动开机，打开工作后台，并按照自己所想的完成所有工作，这恐怕是很多人都有的梦想。而这个梦想的本质就是用意念去控制周围的一切事物，不用动手、不用动嘴，只需要动脑子想一想就可以。常言道：“懒是推动人类社会进步的源动力”。因为懒惰是人的天性，所以人类总是希望能够让自己工作生活变得更加简单，于是，各种各样智能家电诞生，不过智能家电只是挂了一个“智能”名头而已，它们既不能独立思考，也不能接受我们意念控制。比如我们要让扫地机器人去扫地，必须要抬起手来在遥控器上按一下，这对于一个懒人而言，实在是难以接受。要想连手都不动一下，那就必须用大脑去指挥周围万物，大脑和周围事物实现联通，怎么做呢？脑机接口。人机互联装置实质上是翻译装置。亚历山德罗·伏打：用盐水浸泡过的铜片和锌片制造出了著名的“伏打电堆”，并首先发现了人脑信息传递的秘密。在1790年，伏打将两根金属棒放进耳朵，在通电之后，有趣的事情发生了，他听到了咕噜咕噜的声音。要知道，通电的金属棒本身可是没有声音的。

  0 0

• 

  i3****526 2020-11-04

  AI+：人工智能助力芯片设计对比人类思维模式构建类脑算法-TPU 设计算法，将芯片布局建模为强化学习问题，强化学习系统的目标是降低功率、改善性能和减少面积。为了找到满足多个目标的最佳芯片布局，AI 算法将需要考虑许多变量，包括满足一定的芯片性能，同时还要避免不必要的复杂设计，否则可能会增加芯片的制造成本。这种平衡是一项耗费芯片开发者智力资源的工作。利用强化学习RL可实现自动布局。在设计电路布局时，RL 算法的优势体现在可以使用更少的电线、更有效地利用空间，或者功耗更低。在最初的实验中，相比人类设计师 6 至 8 周内找到的解决方案，算法 24 小时就能实现，而且算法的设计成功减少了芯片所需的总布线，从而提高了效率。

  0 0

• 

  i3****526 2020-11-04

  AI+：AI反哺芯片设计随着芯片工艺制程达到极限值，摩尔定律：“集成电路上可容纳的晶体管数目大约每隔 18 个月便会增加一倍，性能也增加一倍。”已经难以为继。但是，在AI领域，人们对专门用于人工智能和机器学习等特定任务的芯片越来越感兴趣，而对人工智能和机器学习来说，它们都在以天或周为单位快速发展。芯片设计需要的时间明显长得多，这就意味着新微处理器的设计速度已不能满足算法的迭代发展。从现在的情况看，芯片设计需要数年的时间，所以我们现在要做的是，为未来 2 到 5 年后的机器学习模型优化芯片。为加速这一过程的完成需要一种新方式来加速AI芯片的设计。具体来说，是利用人工智能加速芯片设计，以推动人工智能向更强大的方向发展。通过人工智能缩短芯片设计周期的方式，可以在硬件和人工智能之间创建一种共生关系，并进一步推动彼此的进步。微芯片设计是一个复杂而漫长的过程。芯片设计由两个主要元素组成：布局和布线，布局是使用设计软件绘制出不同元件的位置，布线则是用线将元件虚拟地连接起来。仅芯片布局就是一项复杂且耗时的任务。这涉及到逻辑和内存模块，集群设置要兼顾功耗、性能、面积等，还需要遵守布线密度、互连原则。

  0 0

• 

  i3****526 2020-11-03

  关于染色质体系结构的这些变化，还有更多的知识要了解。营养或压力等多种环境因素会改变染色质中DNA和蛋白质的排列方式，如果DNA表达并影响细胞行为，则会产生下游影响。进一步的研究还可以研究DNA的大量区域，这些区域不能指导蛋白质的产生，或在大脑中产生其他明显的影响。目前的研究忽略了95％的基因组，这些被忽视的基因组有人称其为垃圾DNA。 但是，像驱动记忆编码这一方面的增强子一样，这些基因的其余部分也可能起着至关重要的作用。尽管我们绘制了基因组图谱，但我们仍然对其大部分不了解。

  0 0

• 

  i3****526 2020-11-03

  在过去的几年中，可以在很小的程度上分析遗传和细胞变化的新技术使记忆痕迹神经科学有了复兴。将分子变化与大脑系统的行为联系起来是新的可能。不过，即使是最尖端的工具也无法在活体动物中紧密追踪这种记忆形成，因此科学家也无法如此密切地观察到人类记忆形成。在小鼠中研究了这些过程，人类细胞在编码更复杂和重叠的记忆时可能不会遵循相同的模式。在现阶段，很难评估可以转化为人类研究的量。但是老鼠和人类确实有一些共同的记忆电路。这项研究追踪了海马体细胞，海马体是这两种物种大脑中央附近的弯曲结构，对学习和记忆至关重要。海马体的人类和小鼠版本之间的差异限制了该研究结果的适用性，但是在这个新的子领域中，它们是令人信服的数据点。将模型作为解释记忆形成的模型非常有吸引力。像这样的实验可以缩小哪些脑细胞遵循这些模式，如果不同类型的记忆模式相同——无论是情感时刻、身体技能还是大脑所掌握的视觉信息。这可以带来一个更广泛的原则，记忆是如何形成，这反过来可能指向治疗条件，如创伤后应激障碍或阿尔茨海默氏症，其中记忆过于持久或不够持久。在分子水平上了解大脑如何巩固一些记忆和失去其他记忆，可以创造影响衰老、学习和其他基本过程的机会。

  0 0

• 

  i3****526 2020-11-03

  保持记忆与脑细胞DNA重新激活有关记忆痕迹：记忆在大脑中留下的物理痕迹寻找我们的大脑如何形成记忆的过程特定的脑细胞会在我们形成记忆时激活，并在记忆时重新激活，从而增强了相关神经元之间的联系。这种变化使记忆更加根深蒂固，让我们保持记忆，使我们更经常回忆，而其他记忆则逐渐消失。但是，迄今为止，很难确定导致这些变化的神经元内部确切的物理变化。在分子水平上观察记忆痕迹细胞染色体的记忆形成过程的重要部分。记忆的形成不是瞬间的，记忆的动作对于将记忆锁定在大脑中至关重要。在老鼠的基因组中剪接一个荧光标记，每当它们表达与记忆形成有关的基因电弧时，它们的细胞就会发光。将这些作了荧光标记的小鼠放在一个新的位置，并训练它们以防产生特定的噪音，然后几天后将它们放回该位置以重新激活记忆。在称为海马体的大脑区域中，形成并回忆起这种记忆的印记细胞会发亮，这使在验尸检查过程中可以很容易地将它们从显微镜下的其他脑细胞中分离出来。随着记忆的形成，再探测这些印记细胞的细胞核，发现染色质结构细微变化—染色质是构成染色体DNA和调节蛋白复合体。染色质部分重组后，与记忆相关的基因可以更轻松地发挥作用，以增强和保持记忆。

  0 0

• 

  i3****526 2020-11-02

  这个道理很简单：玉不琢，不成器；人不学，不知道。大脑科学以实验观察方式揭示这个简单道理的心灵机制。大脑有800亿个神经元，其中大脑皮层六层结构中分布着140亿个神经元，每个神经元可发出多达7000个触突，与其他神经元形成突触，建立起神经元之间链接关系。我们所学习的知识就是通过神经元之间的链接储存的，这点与电脑有着本质上的区别。我们知道电脑存储数据有专门的存储设备如硬盘等，而人脑存储知识和应用知识进行思维则在同一意识空间进行的。一个饱学之士，如爱因斯坦“缸中大脑”，利用脑成像技术，我们观察到：大脑神经网络的节点数=800亿（或140）×7000，这就是人脑的一切活动和奥秘，神经元之间的链接的网络密度，可以媲美银河系的恒星数目的一半。大脑发育影像学向我们揭示成年人为何会固执己见，而青年人大脑则富有创造力的成因：成年人大脑神经元变大变粗而且只有1000条链接，足足退化了7个倍。成年人大脑神经元间链接数与儿童这七个倍的差距足以解释孩子们的想象力为何如此天马行空了。成年人神经元粗大对应着成熟老练，同一个活动或躯体行为重复训练的次数足够多时，就可以形成本能反应--日常的娴熟技巧和习惯性行为。

  0 0

393 条记录 5/40 页 上一页 下一页 1 2 3 4 5 最后一页