人工智能的下一步模仿嬰兒的大腦嗎

在一篇有關撫養孩子的文章中，您會比在人工智能方面更經常聽到“積極強化”這一短語。但是據明謝大學電氣與計算機工程學系主任，電氣工程學教授愛麗絲·帕克(Alice Parker)稱，我們的AI機器需要一些積極的加固。派克(Parker)十多年來一直在構建電子電路，以對人腦進行逆向工程，以更好地了解其工作原理，并最終構建模仿它的人造系統。她的最新論文是與Ph.D.共同撰寫的。來自UC Riverside的學生Kun Yue和同事剛剛在《科學進展》雜志上發表，并朝著這一最終目標邁出了重要的一步。

我們今天依賴和了解的AI是在傳統計算機上建模的;它通過二進制零和一的鏡頭看世界。這對于進行復雜的計算是很好的，但是，根據Parker和Yue的說法，我們正在迅速接近可用AI平臺解決的問題的規模和復雜性的極限。岳說：“自從最初的深度學習革命以來，基于深度學習的AI的目標和進展一直很緩慢。” 為了發揮其全部潛能，人工智能不能簡單地思考得更好，它必須對事件進行實時反應和學習。為此，必須首先構想我們如何構建人工智能的巨大轉變。

為了解決這個問題，Parker和她的同事們正在尋找自然界創造的最完善的學習系統：人腦。這是積極加強作用發揮作用的地方。與計算機不同，大腦是模擬學習者，生物記憶具有持久性。模擬信號可以具有多種狀態(非常類似于人類)。雖然使用相似類型的納米技術構建的二進制AI可以實現長效記憶，但是它可以理解事物的好壞，而模擬大腦可以更深入地了解情況可能是“非常好”，“還好”，“不好”或“非常不好”。該領域稱為神經形態計算，它可能僅代表人工智能的未來。

當人類接觸到新的和潛在有用的東西時，我們的神經元就會出現多巴胺峰，這些神經元周圍的連接也會增強。帕克說：“想像一個嬰兒坐在高腳椅上。” “她可能正在瘋狂地揮舞著手臂，因為她未發育的神經元只是隨機發射。” 最終，這些瘋狂的運動之一導致了積極的結果-例如，將杯子摔倒并弄得一團糟。突然間，做出該動作的神經元得到響應并增強。做得足夠定期，嬰兒的大腦開始將這種峰值與值得內在化的東西聯系起來。就像這樣，我們的小寶寶已經知道手臂運動會產生有趣的結果，并且這種學習會隨著時間的流逝而持續。這正是神經形態計算正在嘗試做的事情：

為此，Parker和Yue設計了自己的神經形態電路，并將其與稱為磁疇壁模擬憶阻器(MAM)的納米器件相結合。然后，他們進行仿真以表明其神經回路像大腦一樣學習。該MAM設備是如此復雜，以至于整篇文章都可以單獨寫在上面。但是目前，最重要的是要知道這是一個非常小的設備，可以無限期地記住人工神經元收到的正強化“峰值”。您可以想到帕克的神經形態回路與MAM相結合，就像那個小嬰兒的大腦一樣。從這個意義上講，派克和岳有點像小AI嬰兒的父母……教它新事物，并在正確做事時積極地加強它。

目前，我們所擁有的有點像一個真正的嬰兒的大腦。尚未開發，最終還無法自行做出決定。但是，就像真正的嬰兒一樣，研究人員有足夠的工作，投入和愛心，這項技術將改變AI在現實世界中的工作方式。

當然，帕克的工作從未真正完成。帕克說：“與DARPA合作，我們的下一步就是教我們的系統學習新東西，而又不會忘記以前的課程。” 他們的工作可能代表了朝著神經形態AI最終目標邁出的一小步，但與任何優秀的研究人員或父母一樣，Parker也意識到嬰兒邁步的重要性。