智能时代的评论 全部393条

我来说两句

• 

  i3****526 2020-10-30

  大脑与躯体：多维空间与三维空间大脑能想到多维空间，而人类却只能适应3维空间，为什么不匹配？脑科学应用现代科技和装备研究人体最复杂的器官-大脑，大脑对人的生命意义不言而喻。因此，探索大脑结构试图从中寻找到破解心灵奥秘更多的线索，一直都是脑科学家们耗尽毕生精力所做的事。大脑拥有较多褶皱，所有复杂的信息通过神经系统进行处理，包括人类的记忆等，我们的各个感官也因此受到影响。人们之所以可以有不同的幻想，就是大脑可以构建出类似的场景和信息，给人们带来丰富的体验。大脑中存在多维空间，可能像宇宙一样拥有十一个维度，最起码也存在七个维度。大脑神经元团块上处于高维度的区域，通过提取记忆来帮助我们回想过去，在一定程度上就决定了人们意识的复杂性，这也是我们与其他动物的明显区别。如何建立大脑皮层复杂结构模型？脑科学将大脑皮层以明显的脑沟和脑回将其分划为不同的功能区，随着对人脑结构-功能研究深入，要想真正把握大脑的工作原理，仅停留在这些表层工作上，是不可能达成预期目的的。如何才能把握大脑复杂的神经网络？将我们理解宇宙的11维空间模型应用于建构大脑神经网络模型，才有希望建立起大脑与意识之间的结构-功能关系。

  0 0

• 

  i3****526 2020-10-30

  让AI像人一样思考尚需“超级算力”积极探索大规模神经网络数据中心，突破摩尔摩尔定律的边界，为AI的更高智能寻找更多可能。开创了一种系统的、定量的方法来设计和评估计算机架构，并对微处理器（RISC）行业产生了持久的影响。随着AI带来的机器学习赋能更多行业，人工智能面临的巨大挑战就是算法和算力。特别是，AI所需的算力升级是成千上万倍的，而摩尔定律所赋予的只有倍增。所以，研究人员需要考虑从芯片架构、大型计算机设计等各方面，找到“超摩尔之路”。训练下一代的神经网络计算机，需要更强的处理器和性能指标。以应对摩尔定律正在消退的现状。很多年来，大型计算机都是通用型的，所有代码都能在上面运行的很好。虽然通用计算机运行了很多很多年，不过熟悉方式已经不正确了。现在构建的神经网络数据，则是一种计算密集型，尝试误差改善传播法。，让AI能像人类大脑一样透彻地分清猫和狗，我们需要不断降低计算机功耗，更要拥有数十万倍算力的提升。目前，第一代神经网络计算机理器，已经实现每秒92万亿次的运算，它是专门针对逻辑的运算。面对更高的AI智能，我们需要通用型的运算逻辑单元，需要大规模神经网络数据中心。

  0 0

• 

  i3****526 2020-10-30

  当下的计算机是怎么运行的呢？数据从内存到逻辑，再从逻辑到内存的穿梭需要耗费大量能量，并降低了计算速度。此外，这种计算机数据架构还需要大量的空间。如果计算和内存存储能够位于同一空间，就可以消除这一瓶颈。深度发掘大脑工作原理，创建更贴近人脑运行机制的人工神经网络，寻求模仿大脑的能量和效率。二者现实差距：大脑的结构非常紧凑，可以放在你的肩膀上面，而一台现代超级计算机占据了两三个网球场大小的空间。连接大脑中神经元的突触具有强大的可塑性和自组织能力可以重新配置神经网络模型。可以通过对一片石墨烯（单原子厚的碳原子层）施加短暂的电场来重新配置和构建人工神经网络。石墨烯记忆电阻至少有16种可能的记忆状态，而不是大多数基于氧化物的记忆电阻或记忆电阻中的两种状态。可以使用简单的石墨烯场效应晶体管精确控制大量的记忆状态。半导体工业企业正在积极追求神经形态计算，人们一直对石墨烯这种新材料寄以厚望，认为是电子科技取得新突破的关键所在。如今，无论作为硬件的芯片，还是作为人工智能主流算法的神经网络模型，二者都深陷泥淖。齐头并进突破当前科技瓶颈需从两方面入手，一是对石墨烯新材料的研发攻关，二是电脑深度模拟人脑机能

  0 0

• 

  i3****526 2020-10-30

  人工智能：石墨烯记忆电阻模拟大脑记忆功能开创一种新型计算方式，模仿大脑神经网络的效率，同时利用大脑的模拟性质。革新传统人工神经网络计算形式，从深层次发掘出大脑运行机制。现代计算是数字化的，由两种状态组成，即开-关或1和0。神经形态或受大脑启发的模拟计算随着数字计算逐渐接近极限，而对高速图像处理的需求却越来越大，大数据的兴起，需要大脑架构模式识别类型，这是除了通过人工智能对大脑功能进行模拟以达到揭示大脑运行机制而外，追求神经形态计算就成为另一个驱动力。计算机拥有强大的算力，这一点是毋庸置疑的，可是必须将内存存储在一个地方，并在其他地方进行计算。对比研究电脑与大脑工作原理，我们发现要想使人工智能取得突破性进展存在着一个亟待解决的问题：在电脑上能否建立类似于大脑信息处理的记忆-预测模型呢？大脑记忆-预测模型最为显著的特征是记忆（信息存储）与预测（计算）两个基本功能都位于同一个空间内。如果电脑能够模拟人脑进行空间-时间模式化存储，这样不仅能进一步提升电脑运行速度，而且能够在算法上作出革命性新突破。

  0 0

• 

  i3****526 2020-10-30

  人工神经网络即是AI训练模型由于神经网络的问题通常不会透明，只能将其视为黑盒系统，因而对于系统结构-功能无法作出解释。比如说，基于不能说出训练模型中的一个节点的值为何是0.1，而不是0.5，其实这些都是神经网络的特点来控制的。还有，通过训练数据得出的比较好的模型到已知的环境中可以不可以发挥出很好的作用也是不确定的。3.4车辆控制系统技术，该技术拥有基于推理逻辑的控制策略的老式的pid控制，与无人车系统神经网络黑盒子的模糊控制相结合，是当前无人驾驶技术研发的方向和策略。将无人驾驶系统设计成神经网络，便可大大简化工作。通过神经网络对一切进行控制，使用大量的数据进行训练，当训练模型达到预定的规划目标，便可以进行批量复制，无人驾驶车辆便可以实现量产，这样就可以大幅压缩生产成本，使这样技术更能符合商业化运作模式，最终达成项目落地。

  0 0

• 

  i3****526 2020-10-30

  人工智能的应用场景：无人驾驶1、环境感知，在计算机视觉的领域中，环境感知的slam系统，这个系统主要是基于激光雷达的，在目前已经可以很好地把地图实现定位，局部环境地图的构建。2、标识识别，决定着无人驾驶行为决策的基础，可以包括车道识别、交通标志识别车辆行人等障碍物识别以及运动的跟踪的CNN技术，这个技术可以非常有效的对激光雷达进行补充。3、行为决策技术，包含全局路径规划导航、局部的避障避险和常规的基于交通规划的形式策略，因而这项技术具体可分为以下三种：3.1基于推理逻辑和规则的技术，全局路径规划导航的A*,D＊算法，局部避障的dwa算法，常规的最优控制数学办法，比如说多目标的决策，还有基于交通规则的fsm规则引擎都是这种技术。3.2快速优化的遗传算法，如果拥有多个策略选择的时候，怎样选择最好的目标或者是策略，主要是基于线性规划或者是动态规划的数学办法。但因计算规模庞大而降低计算速度，或因不能建模无法计算时，就只能采用遗传算法。3.3神经网络技术，以神经网络模拟人脑，可以像人一样开车，这是自动驾驶训练师振奋人心的目标。自动架驶系统就是一个黑匣子，训练模型即不透明也无法作出解释

  0 0

• 

  i3****526 2020-10-30

  人工智能如何模拟人脑功能为世界建模？人工智能的slam系统主要是基于激光雷达的，在目前已经可以很好地把地图实现定位，局部环境地图的构建。这样建立起来的世界模型比人脑建立的世界模型更具有优势。在智能化时代，人类不仅有着快速便捷的互联网，还有全球卫星定位统，以及研究整个宇宙的天文观测系统，将这些系统与人工智能比与人脑的连接更为紧密，或者说人工智能能够与这些系统达到无缝链接，而人脑则不仅在信息接收速度和规模上与人工智能有着巨大差距。至于未来人工智能是否能够模拟人脑功能，关键就在于人工智能能否转换和处理信息的空间-时间模式，而不仅只是信息的数据结构。信息的形式：空间-时间模式与数据结构数字化时代最有标志性的特征：将模拟信号转换为数字化信号即模/数转换，这样就方便了信息的网络传输和电脑处理。人脑与电脑和网络在信息发送、传输、接收以及加工处理上有何关系？数据与模式在事件之间自然因果关系的保真度上是否有区别、有何区别？如果智能的本质就是预测，而预测的基础是世界结构，世界结构即是自然因果关系，那么，实现智能化的关键所在就是如何认识把握自然因果关系。从这个角度立论，模式无疑是显象先天形式！

  0 0

• 

  i3****526 2020-10-30

  发育生理学：大脑是如何变成阅读大脑的？观测技术：功能性磁共振成像观测人群：新生儿、3～4岁儿童、成年人儿童期大脑扫描图观测目的：在儿童学会阅读之前VWFA的作用，以及该区域对哪些视觉特性有反应成年期大脑扫描图观测目的：了解更多关于个体差异性的信息，可以帮助研究人员理解阅读行为的不同，研究阅读障碍和其他发育障碍的结构-功能成因了解这个区域在早期时发生了什么，会告诉我们更多的有关人类大脑如何发展阅读能力的信息，以及哪里可能出了问题。追踪大脑的这个区域是如何变得越来越专业化的，这一点很重要。

  0 0

• 

  i3****526 2020-10-30

  大脑皮层语言区的先天性人类大脑天生具备能够辨识文字符号的“硬件”，这为人们学习如何阅读奠定了基础。大脑的“视觉单词形成区”(VWFA)与大脑的语言网络相连。VWFA在开始时与视觉皮层的其他部分没有区别，这些部分对面孔、场景或其他物体很敏感，但在儿童开始学习识字后，后天经历重塑了VWFA。这为孩子视觉语言敏感性的发展提供了沃土，甚至是在孩子没有接触任何语言的时候，这种敏感性就存在了。即使在出生时，比起大脑的其他区域，VWFA与大脑语言网络的功能联系也更为紧密。VWFA与处理面孔的视觉皮层相邻。作为视觉对象，面孔具有一些与文字相同的属性，如人类需要具有较高的空间分辨率才能正确地看到它们。即使在新生儿中，VWFA也不同于识别面孔的视觉皮层部分，主要是因为它与大脑中处理语言的部分功能有联系。甚至在我们接触到词语之前，VWFA就已经专门为识别词语而存在了。随着婴儿的成熟，VWFA可能会进一步完善。口头语言和书面语言的经验，可能会加强VWFA与特定语言的联系，并在人们获得识字能力后，对这一区域的功能进行进一步的区分。

  0 0

• 

  i3****526 2020-10-29

  人工智能未来发展之路因此通过理解机器学习模型的内部工作机理, 发展数据驱动和知识驱动融合的第三代人工智能理论框架, 将成为提高人工智能算法鲁棒性的重要途径之一。3、贝叶斯深度学习的突破；贝叶斯深度学习是将贝叶斯学习的基本原理与深度神经网络的表示学习有机融合的一类方法，将不确定性建模和推断与深度表示学习有机融合, 其关键挑战在于推断和学习算法，目前已经在多种复杂场景下，取得了价值与突破。为了实现第三代人工智能的模型，在综合了上述两种模型的优劣后，就采用了三空间融合的模型，也就是把双空间模型与单空间模型融合。这样做的优势在于，既可以最大限度地借鉴我们人类大脑的工作机制，又可以充分利用计算机的算力，通过两者融合后的倍增效应，希望能够打造更强大、更接近人类大脑的AI模型。我们期望三空间融合模型，能够尽快从实验室阶段迈向商业化阶段，实现更大的价值，造福人类。

  0 0

393 条记录 8/40 页 上一页 下一页 第一页 6 7 8 9 10 最后一页