大数据|基于视觉系统结构和功能的深度学习，是近年来人工智能快速发展的重要原因物联网|云计算

文章图片

文章图片

文章图片

基于视觉系统结构和功能的深度学习是由胡贝尔等人在1950年代发现的，是近年来人工智能快速发展的起源。图像处理单元通常用于深度学习计算，但图像处理单元通常消耗高功率并获取功率来冷却它们。例如， AlphaGo使用了176个图像处理单元，其功耗据说在250kW左右。另一方面，人脑的能量消耗约为20W ，少了一个数量级。这种差异从何而来？

硅半导体和神经细胞在物质层面的差异，基于电位和尖峰时序的二进制数字运算和模拟运算的差异，误差反向传播和自组织等学习方法的差异，以及各个层面的差异。然而，即使是硅器件，也在神经形态计算的关键词下积极尝试在本地执行模拟运算并使用尖峰进行通信，并寻找一种对问题器件的变化和噪声具有鲁棒性的处理方法。深度学习还需要大量的学习数据。

AlphaGo成功的背后，是人类一生无法体验的大量战斗经历。人工智能的优势在于它可以从互联网和模拟器中高速捕获海量数据，但在可以使用的数据量有限的情况下效率很高，例如控制真实机器人和学习不断变化的环境。学习是一个大问题。人类，尤其是儿童，从日常经验中快速学习视觉和音频识别、行走和手指运动控制以及语言运用的能力是惊人的。

发展心理学和认知科学正在积极研究这一机制，并仍在阐明过程中，但Lake等人指出以下三个因素尤为重要。即，获得世界的因果模型并对其进行解释和理解；拥有有助于学习物理和心理学的先天理解；通过构建和重建经验和学习来应对新情况。将这些元素纳入人工智能的尝试已经在进行中，例如前面提到的世界模型和生成的查询网络。

在当今的人工智能系统中，设计者设定特定的目的，例如物体识别、游戏、自动驾驶，准备学习所需的数据和模拟器，并设置深度学习电路的结构和参数，它是通过运行创建的。这是与大脑的决定性区别，大脑负责自主和自发地学习、生长和进化的生物体。与被赋予特定输入、输出关系的监督学习相比，探索性地学习输出以实现目标的增强学习可以说更加自主，但奖励函数也是由设计者决定的。

此外，在设计奖励函数方面，很难以平衡的方式结合目标实现、成本降低和避免危险等因素。人类和动物的奖励系统在进化史上已经形成，但它们的根源是与吃喝和痛苦等自我保护有关的，以及与交配和饲养等自我复制有关的。再者，就人类及高等动物而言，好奇心、对美的渴望、对理解的渴望、对成就的渴望等并不一定会导致生存或繁殖，有时会产生矛盾的内在奖励，从而导致。因为文化、技术和知识在进步，今天的科学、工业和社会正在形成和发展。

【大数据|基于视觉系统结构和功能的深度学习，是近年来人工智能快速发展的重要原因】为了让人工智能加入到这个智能搜索和利用的循环中，需要有进化自己的目标或奖励的能力，而针对这一点的研究也在人工智能和人工生命之间，正在推进中。此外，正在积极开发关于如何在数学上定义和实施内在奖励的研究。如果人工智能代理能够自主发现并追求自己的目标，可以预期人工智能会发现新的科学技术，创造新的服务和产业，对失控的担忧也会增加。人工智能代理不太可能将人类变成敌人，但作为追求该目标的副作用，它可能对人类造成伤害或不利，或者可能以被恶意或敌对操纵的形式构成威胁人类。