都带着“人工智能”的帽子,又有几个长脑子了?

这两年,不少开发者和服务提供商都爱给自家产品和服务带上“人工智能”的大帽子,生怕一不留神成为爆款的局外人。

去年年底,“人工智能”入选“2017年度中国媒体十大流行语”。当越来越多的人开始谈论“人工智能”时,这个词本身的含义也因为市面上良莠不齐的所谓人工智能产品的误导,变得让人困惑。

在美国麻省理工学院的温斯顿教授看来,

“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”

为了让计算机有人的智能,一直以来,人的大脑成了不少人工智能科学家研究和模拟的样本。

脑科学对人工智能的贡献有多大?

2018年6月13日,在“AI落地,产业升级” 为主题的“2018全球智能+新商业峰会” 上,多位学者和企业家共聚一堂,从人工智能的核心出发,讨论其落地实现商业价值的多种可能。其中的议题之一,便是回到人的大脑本身,探究人工智能的下一个方向。

脑科学发展缓慢,制约了人工智能的进步

1959年,加拿大神经科学家Husel和瑞典神经科学家Wiesel研究出了视觉神经系统的层级结构模型,即从简单细胞到复杂细胞、超复杂细胞的层级信息处理结构,成为今天深度学习模型的神经科学鼻祖。该研究成果在1981年获得诺贝尔生理学或医学奖。

Hubel和Wisel提出的视觉神经系统层级结构

到了1999年,长期从事脑认知科学方面研究的MIT麦戈文脑、计算机科学与人工智能实验室教授Poggio受到Hubel&Wiesel模型的启发,提出了大脑皮层中物体识别的层级模型H-max。

H-max模型示意图

最近,Poggio在MIT成立了CBMM研究中心,理解大脑如何产生心智、大脑如何工作,力图从脑科学打通到人工智能的途径。

大家众所周知的“神经网络之父”Hinton根据人脑功能区的特点建立了新型模块的神经网络机构,而做压缩感知、稀疏性重建的Donoho从1998年一直到2016年建立了22层到100多层神经网络,这时候视觉分类的机制已经超过了人类。

在IBM的首席科学家Modah看来,人工智能及其应用快速发展超越了预期,而脑科学的发展至今仍然缓慢。 Modah建立了4096个内核,100万个神经元的系统,系统做成了小芯片,在斯坦福大学识别率到达80%。他认为在人工智能网络技术中要有新的突破必须要有脑科学的介入才能做这件事。

“大家都知道Hinton在去年否定了他的成果,他说深度网络根本不是人工智能的好东西,于是他提出了‘胶囊网络’,但现在他又否定了胶囊网络,认为人类认知机制不清楚、认知算法没有突破,依托传统的工程学科来推动人工智能不能成立。 ”

在峰会现场,中国工程院院士戴琼海在梳理完脑科学对人工智能的贡献后,借用Hinton观点的变化,谈到了从脑科学的方向发展人工智能的难处。脑科学、脑认知是生命科学的最后堡垒 ,但由于机理不明,探索难度大,脑科学的发展仍然缓慢,制约了人的生命和人工智能的发展。

人工智能的认知革命

“现在的人工智能就是从感知到决策到控制,未来的人工智能一定是主动的人工智能,从认知到决策与控制,识别结束以后决定是对还是错。人工智能最后的技术发展一定是脑认知。”

戴琼海对认知的强调,也得到了科大讯飞执行总裁的胡郁的回应。

“随着人工智能的发展,我们看到它无论在图像识别、语音识别、各种传感器等方面,还是自动驾驶汽车以及其他机械方面的应用,他们都追赶得非常快。但是,有一点就是人类所独有的,我们认为人类能成为世界的主宰,最不能缺少的就是认知智能。”

在胡郁看来,人类所独有的认知包括语言理解能力、表达能力、逻辑推理能力、复杂的决策能力等等。目前,人工智能和人类之间存在着巨大的差距,人工智能需要一场认知革命。

好在,这场革命已经在国内外拉开了序幕。

2013年,时任美国总统的奥巴马拨款1.1亿美元,提出“推进创新神经技术脑研究计划”,要“通过10年努力绘制出完整的人脑活动图”。此后,脑计划预算逐年增加,获得各界支持,国家卫生研究院、能源部及国防部高级研究项目局等多方参与。2015年4月,科学家发现了控制实验室动物大脑神经回路、较准确操控其行为的方式,这是该计划的第一个重要成就。

此外,美国还投资1亿美元开启了皮层网络的"阿波罗"机器智能计划(Machine Intelligence from Cortical Networks,MICrONS),集结了脑成像、机器学习、脑科学神经生理的三组科学家,希望对1立方毫米的大脑进行反向工程,研究其计算方式。

与此同时,欧盟投入10亿欧元实施“未来新兴旗舰技术项目”之一的人脑工程项目,希望利用利用信息技术开发它自己的大脑全面运作的超级计算机模型。

在国内,清华大学联合上海光技术也做出了国际领先项目。峰会现场上,戴琼海播放了世界上最大视场高速高分率显示器下,小鼠听到音乐神经环路的状态。这是国际上第一个动态全脑的图,环路打通以后将有能力解决人工智能里环路的不确定性。

“类脑智能通过借鉴人脑运行原理、信息处置机制为人工智能提供新的动力,大脑是最为复杂的信息处理系统和行为调控中枢,人类对大脑的理解是我们认识自然和自身的挑战。”

中国科学院院士、上海微系统所所长王曦说。

“把工业自动化、信息技术等理论中存在的算法、理论与生物中中枢神经的结构、功能、模式进行比较和借鉴,有助于人工智能的快速发展和完善。反过来讲人工智能的原理和算法又会推动脑科学的发展。”

大脑的科学研究取得突破的同时,更为落地的企业则开始在往另一条路上思考。

“有很多科学家都在研究,是不是可以像模拟天气一样,让超级计算机模拟大脑所有的神经原放电情况,从而掌握人脑智能的奥秘。我觉得这种方式有点像当年的“鸟飞派”,学习飞的时候拼命学习鸟,最后让人类掌握飞翔的原理是空气动力学。所以,我们认为将来促进发展的方式,可能是‘智能动力学’。 ”

“智能动力学”的概念是科大讯飞提出来的,胡郁指出,希望利用采用大数据及人工智能的方式,能够实现认知智能的突破,通过速度更快的学习机理、结构、计算机数字化的运作,来实现“超脑”。


来源:周到上海       作者:章姝敏