IBM正在為人類大腦進行新人工智能建模

　　目前，人工智能(AI)技術能夠表現出看似人類的特征。有些人是故意的類人，有些人做的任務，我們通常是嚴格地與人類聯系——歌曲創作、教學和視覺藝術。

　　但隨著實地的發展，公司和開發人員正在重新思考人工智能的基礎，通過檢查我們自己的智能，以及我們如何有效地模仿機器和軟件。IBM就是這樣一個公司，他們已經開始了雄心勃勃的探索，讓人工智能更像人類的大腦。

　　許多現有的機器學習系統都是圍繞著需要從一組數據中提取出來的。無論他們是在解決問題，還是從圖像中識別皮膚癌，這通常都是正確的。然而，這種基礎是有限的，它與人類的大腦有區別。

　　我們人類在不斷地學習。簡單地說，我們在走的過程中學習。當我們從我們的生活中獲取知識的同時，我們的大腦適應和吸收信息的方式不同于許多現有的人工系統的構建方式。另外,我們是合乎邏輯的。我們使用推理技巧和邏輯來解決問題，這些系統在完成時并不是很出色。

　　IBM正在尋求改變這種狀況。DeepMind的一個研究團隊創建了一個合成神經網絡，據報道，它使用了合理的推理來完成任務。

　　在接受《科學》雜志采訪時，DeepMind的計算機科學家蒂莫西·利勒利普(TimothyLillicrap)說，通過給人工智能多個對象和一個特定的任務，“我們明確地迫使網絡發現存在的關系。”在今年6月的一次網絡測試中，人們對一個有多個物體的圖像進行了質疑。網絡被問到，例如:“在藍色的物體前面有一個物體;它的形狀和那個灰色金屬球的小青色一樣嗎?

　　在這個測試中，網絡正確地識別出了這個對象的96%的時間，相比之下，更傳統的機器學習模型所達到的只有可憐的42到77%。先進的網絡也容易出現文字問題，并不斷發展和完善。除了推理能力之外，研究人員還提高了網絡的注意力，甚至是制造和儲存記憶的能力。

　　據IBM研究人員IrinaRish在接受Engadget的采訪時，AI開發的未來可以通過使用這樣的策略來加快和大大擴展，“Neural網絡學習通常被設計，實際上有很多工作要做具有最佳效果的特定架構。這幾乎是一種試錯法。如果這些網絡可以建立自己，這將是很好的。“

　　想想AI網絡建設和提高自身可能是可怕的，但如果監控，啟動和控制正確，這可能會使該領域擴大到目前的局限性之外。盡管對機器人接管的擔憂令人擔憂，人工智能技術的進步可以挽救醫療領域的生命，讓人類進入火星等等。