苏州安康恒丰纸业包装有限公司业务部_北大计算机系黄铁军CCF-ADL讲习班上篇:从计算机发展史讲解制造超人工智能的正途——类脑计算

日期:2021-09-25 01:59:01 | 人气: 41540

本文摘要:发展起来了。

苏州安康恒丰纸业包装有限公司业务部

发展起来了。类脑计算的概念和在这个方向和领域下,必须做什么样的工作,什么样的水平的工作,每个人的解释可能都不一样,但现在逐渐构成了一定的共识。在这次讲座中,我们邀请了讲座,今天上午,我先计算了我解读的大脑概念和国内外进展。

我用英语主题-Brain-likeComputing类脑计算,有些老师不喜欢Brain-inspiredcomputing,用脑灵感计算,但我不想用脑计算。neuromorphiccomputing这个词更专业,更学术,但是放在媒体上说明,计算类脑可以让大众理解。然而,它背后也有许多歧义。当你谈论类脑和类脑时,你会立即有许多解释和解释。

神经形态的计算这个词更加正确,我们实现的这的计算模式,计算模式,实质上是神经形态,我暂时说明神经形态。学术写论文的话,建议用神经形态计算这个词,不要找以前的或者更准确的文献。

实质上,我所有做电脑的人,心理上一定有人工智能的梦想。电脑可以说是人类历史上影响仅次于的发明者。这个发明者能做什么?制作计算机的人总是希望计算机能够更强的计算逻辑和各种信息处理能力,是否需要更换大脑,达到大脑。

比较计算机和大脑的时候,一般来说我们不远。大家在媒体上看到霍金和面具谈论人工智能,发展人工智能,同意对人类社会的影响不大,但是如果超人工智能频繁出现,我们的人类就不会受灾。

许多人赞成霍金和面具,指出超人工智能不可能,但没有充分的证据。2014年左右,我指出这条路不存在,应该沿着这条路构筑这件事。

我于1月7日在中华读书报,公开发表了生产超脑的文章。之后2月,出版了被称为超级智能的书。总的来说,基本上更多的人指出超级智能是可能的,这样的道路是不存在的。回到计算机学科,去年是图灵明确提出计算机的模型80年,第一个计算机发明者70年以上,人工智能概念明确提出了60年以上,深入自学的Sciencepaper公开发表了10周年。

去年的大脑计算和神经平台计算已经出现了很多象征性事件,相信下一代的计算机已经出现,计算机已经进入了新的历史时期。所以,我们今天重点是现在已经发生的事情,大约分为五个方面。一、人工智能站起来的第一个是人工智能,我说人工智能站起来,当然人工智能已经60年了,为什么说今天要向正确的方向展开呢?不是说以前聚集在一起,而是说以前弯曲了各种各样的想法,现在构成了比较主流的方向,这个方向是我们的终极问题,有突破的可能性。今天说到人工智能,当然计算机作为平台构筑人工智能的可能性基本上是思考方式。

但实际上,看看今天的计算机是否需要完成这样的历史使命。这个问题是我们首先要考虑的问题——人工智能和未来的强大人工智能是什么?计算机从起源开始,本质上已经要求我们今天的计算机,不是构建人工智能的合适平台。图灵当时委托计算机,图灵不想明确提出计算机。

当时,他为了解决问题而提出了数学问题:希尔伯特的23个问题中的第10个问题,数学领域不存在。为了证明这个问题,必须明确提出概念模型,结构标准化的机器,这个标准化的机器可以实现所有的数学操作者,但是这样的机器接近刚才说的不能计算数量。

我们都在做计算机,正确的图灵机概念,但图灵机是副产品,图灵不是为了设计计计算机而设计的。图灵在80年代之前正确地说了计算机的无限大话。今天很多人说,如果我把程序编成好的,算法设计好的话,电脑什么都能做。

你看,当你问这个问题时,你根据什么逻辑说,电脑什么都能做?显然不是这样。同意接近。当然,最好的贡献是香农的贡献。

数学模型抽象化,不能继续执行,香农把数学和物理联系起来,电脑确实可以。这个贡献是想特别强调的数学概念模型,用机器非常简单的模型传达各种简单的数学问题。他最优秀的只要一个器件就能解决问题的各种冲突,计算各种逻辑和数学。

那是1947年、1948年的时候,那个时候没有晶体管,物理上总是有电源,灯也是电源,我可以用多个电源来计算我们想要的逻辑功能。把问题抽象化到最后,明确问题。

当然,冯诺伊曼的系统结构也是历史性的贡献——分离软件和硬件。计算机最好的地方是标准化的计算逻辑机器,可以实现基本的逻辑和运用。但是,完成任务需要程序,需要软件和指令。

这样,你就可以卖掉机器,安装不同的程序,继续执行不同的任务。当然,为了完成通用性,效率有损失,解决问题需要专用电路,标准化没有符号代价,但这些代价在范围内大幅度扩大,这也是贡献。

所以,我花时间说图灵的模型,香农的回路和冯诺伊曼的系统结构这三件事,是因为我们设计了下一代的计算机,用大脑计算,必须在一定程度上考虑类似的问题。数学模型是什么,用什么样的设备构筑,你是什么样的系统机构,必须考虑构筑人工智能的任务。

否则,计算机就不能构筑强大的人工智能。计算机发展到今天,第一台计算机经常出现70年,背后的逻辑正确,数学物理和体力结构,在那个地方很清楚。但是,不是实现智能的适合平台,只有看清历史,才能告诉我将来的做法。

接下来,让我们看看人工智能。图灵在1951年明确提出了机器思维。这当然是人工智能的问题,但当时这个词还没有用。

1956年,一些图灵奖得主构建了人工智能这个词。他们在申请人研究经费时,我们通过机械建模、自学和智能其他课程的各个方面都有正确的想法。迄今为止,这个想法是很多人解读人工智能的古典想法。

如何做到智能化和自学化?实质上,我们可以把它一般化,正确地说明,用计算机构筑。他们指出现在的计算机速度、存储能力还不是问题,问题是我们写程序,这个软件可以解决问题的智能问题。我们今天的很多想法还在延长这样的想法,当然这样的想法是正确的还是错误的,必须考虑。

在过去的60年里,人工智能发展了许多技术渠道,也发生了许多变化。从最初的符号系统到今天的阿尔法犬,有很多象征性的事件,每次人们都说人工智能的发展这么慢,能不能马上打破人类,然后找到确实的构筑。在历史发展中,大体上三个流派还在竞争,第一个符号主义是古典的人工智能,总是符号化、一般化、正确化,有记述,用机器构筑。

第二,神经网络,连接主义,实质上背后的想法是人的智能产生神经网络,我也产生神经网络,期待它产生智能,产生什么智能,是训练和模型,首先我们回顾的技术路线是神经网络,这也称为仿生学问和生理学问。第三,行为主义,主要是生物学,他们说实质上我们一个人,动物,甚至我们生物最初的单细胞的原始生命形态,其智能来自哪里?是在与环境交流的过程中产生的。一个孩子出生,没有能力,但在与环境的交流中,能力不会逐渐提高。当然,人上学,学习书本知识,动物不学习这个,说可以交流。

然而,如果你不知道从大脑开始,终极问题仍然无法解决。这个想法不是新的,从1956年开始想起,他们讨论了自动计算机、编程语言、神经网络、计算规模理论、自我改良、抽象化、随机性和创造性7个问题。目前,自动计算机、编程语言、计算规模理论已经明确,但神经网络、自我改良、抽象化、随机性和创造性等问题尚不明确。

他们当时正在考虑,一群神经元如何构成概念,我们今天的深度自学也不能形成概念,还有第五个问题,一个智能怎么能自我提高,现在深度自学通过大数据训练,在一定程度上可以提高,只要你使用数据,我的智能就不会自动提高未来的计算机,如果还叫计算机,就要有确切的随机性,然后才有创意。本来这个系统不存在的东西可以随机出现。为什么后面的几个问题还是发展有限,背后有两个原理。

一个是因为我们仍然使用计算机智能,在计算机上实现神经网络,深入自学,是冯诺依曼系统结构的神经网络模型。神经网络没有中心,大量节点开展简单的互动网络,与计算机系统不同。第二,由于没有针对神经网络的系统结构的硬件,晶体管增进了计算机的缓慢发展,但是没有适当的神经部件,没有物理上制作软神经网络,也符合我们期待的模型,香农这样的人物经常出现,得到物理桥梁,构筑这些想法然而,我们仍然需要找到构建神经网络的方法。

因此,神经网络发展了这么多年,有高潮和低潮,但总是有坚决的人。1985年Hinton明确提出了boltzman机型。

今天,大家用深度自学说boltzman机说多层网络的时候,看起来很新。从1985年到2006年,谁也做不到的时候,我也坚决做到这一点,报告了这样的心情,坚决实现了神经网络。

我是1995年读书博士,1996年选题,当时我们所有的11名博士生,只有一个人实现神经网络,这种精神首先要确认你的逻辑是否正确,你坚决实现,不管别人怎么看我,为什么没有这样的精神Hinton是布尔的曾孙,布尔的逻辑是布尔的子孙,他们有贵族精神,受流俗的影响,我指出这个方向是正确的,我坚决做,逐渐征服,有人做,我做,没人做,有人做,有人做,有人做2006年,GeoffreyHinton在《Science》中发表了关于深度神经网络的论文,现在深度自学已经短路了。2011年,深度自学不那么冷的时候,我在斯坦福的半年采访中,他们用layer识别图像、识别语音、处理自然语言提高的百分点,当然是几个百分点,不到10%。后来,李飞飞机构的深度自学在比赛中,对图像识别的能力提高了11个百分点。

苏州安康恒丰纸业包装有限公司业务部

现在使用更好的数据,加深网络,调整参数,结果没什么,从研究的角度来看没什么意义,但我们讨厌培根。Alphago的构建有很多新想法,虽然是象征性的事件,但这还不是强大的人工智能,而是自律性的智能,但远远超过了我们传统的人工智能解读——必须总是普传达很多东西。其突破是以象棋师为图像识别,与人识别的过程相似。

所以我们谈论名人是棋感,棋感从哪里来?你下的棋数,下的多,看的棋谱多,阿尔法狗看了3000万盘,棋感已经远远超过人了。你说象棋感一般指出只有人,机器一样。这种神秘,我们指出独特的东西,逐渐被机器所取代。

因此,在2030年国家的基本科学技术项目中,潘院士要求大数据智能、媒体智能、集团智能、混合强化智能、自律无人系统五个方向。2030年,计算机超越了什么能力?当时,目标是接近大脑的信息处理能力,具有自我理解、自律的标准化人工智能。以上是一些背景,花了很多时间,以后应该很容易说话。

二、生产强人工智能的第二个话题是生产强人工智能。强大的人工智能也被称为标准化人工智能,到目前为止,包括阿法犬在内的是弱人工智能、专用人工智能。专用人工智能是指就事论事,解决问题的智能问题。

强大的人工智能是超越人类水平,应对外部环境挑战的自我意识的人工智能。一旦超过人类水平,就不会达到人类水平,强大的人工智能是我们应对的挑战,这个挑战可能是我们人类经常出现以来,应对仅次于的挑战。

苏州安康恒丰纸业包装有限公司业务部

实质上,世界上没有超人工智能。我们本来就是强大的人工智能,我们强大的人工智能基于我们的大脑、神经系统。

到目前为止,除了大脑,没有自然或人工智能。能源系统具有新的环境、新的挑战,需要适应,人是最典型的人工智能。

既然有人,怎么有机器?起初,我说类脑计算这个词,从不同的角度来解读比如Brain-inspiredcomputing,脑灵感的计算,这件事已经从人工智能开始,大家都在做,大脑给了我们模型的原理,虽然有限,但我们得到了一些理解,认知科学给了我们灵感只是,背后有一定程度的理解应用。但是,这样的解释是无法解决问题的强大的人工智能问题,这样的想法使我们走向歧途。我们刚才说人类大脑有强大的人工智能,那么人类大脑强大的智能是如何经常出现的呢?不同的意见,人的意识是什么,人的思维是什么,人的意识来源是什么,意识背后的原理是什么,这样的问题。

这样的问题是我们人类的三个科学问题。人类面临着三个仅次于的科学问题,第一个宇宙的起源、生命的起源、意识的起源,这三个科学问题是一个困难的问题,否则大问题了。这么大的科学问题,什么时候能解决问题,问大脑科学家,激进的大脑科学家,说100年以内能解决问题,一般说几百年左右,也有说1000年不能解决的人。

因为这样的大问题,他们没有找到不切实际的方案,不仅仅是向这个方向探索,所以很难给出确认的答案。如果他们不能告诉我们,大脑是如何产生我们意识这种强大的人工智能的,我们该怎么办?别人没有给你模型,我们等模型出来再做吗?我们经过多年的教育,科学是基础,技术是基于科学发展新技术。

所以,这种想法在某些情况下是正确的,但往往有问题。例如,飞机和空气动力学,1903年莱特兄弟乘坐了飞机,但1939年空气动力学经常被用来说明飞机为什么能飞。然而,今天的飞机可以通过空气动力学的指导更好,但它只是更好。

第一架飞机没有科学理论的基础。总而言之,我们人类历史上的技术变革和科学变革,技术变革完全领先于科学变革,可以说是原创性、霸权性的。中国的四大发明,没有科学原理。

你说中国没有科学技术,中国有技术,指南针已经使用了,郑和也不告诉地球是圆的,也不告诉指南针知道指南,我们做到了。之后,在科学磁学之前,这些地球告诉我们发生了什么,我们解读了为什么指南针能够指南。

因此,我们要实现标准化的人工智能、强大的人工智能,问智能是怎样的问题大脑是如何发生的智能,我们一定要问这个问题,等几百年再做,这件事就不能妥善辩论了。实质上并非如此。

类脑计算的不是Brain-inspired,而是Brain-like。什么是类脑计算?我们现在不知道大脑为什么不产生这么高级、创造性的感觉。但而,我们告诉你什么样的物理系统正在产生这个功能。

这个大脑在物理意义上说到底是怎么回事,在物质上说到底是怎么回事,我们不说精神不说思维智能,我们说到底神经系统是怎么回事,什么生物系统,什么神经网络,再次出现这样一个简单的现象。因此,这是大脑的分析建模,大脑能否解剖学进入,能否描绘大脑,我们必须明确。

苏州安康恒丰纸业包装有限公司业务部

我们必须看清楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚楚所以,这件事能做到的事情,等了一会儿会说画到什么程度了。第二,如果我们告诉大脑的神经元,神经网络这种结构,产生了高级功能,我们能否用电子做一个。当然,我们没有必要复制生物。我们可以使用神经元、神经网络的功能,连接也一样,实现一定程度的系统。

神经元也是信号处理,图像是信号的加工,这样的功能可以用电子设备制作,人的大脑也一样,如果你逃跑一定程度上的构造相似,类似的功能就不会频繁出现,构造的相似性正确到一定程度,复杂性就会频繁出现所以,用葫芦画葫芦做什么,我们不问为什么。这样的系统,就像今天我们说深度自学没有人责备一样,深度自学的功能在那里,多层网络在那里,用大量的数据训练的话,就不会经常出现抽象化的能力,分类识别各种各样的能力。

大脑神经网络的东西训练,动态,用各种性刺激训练,也应该经常发生类似的现象。简单的网络不会产生更简单的现象。

非常简单的神经网络不会发生非常简单的现象,简单的网络不会发生简单的现象。人类必须再次解读机器的智能,最后解读我们自己的智能。

因为从可以实现的角度来看,应该是这样的。所以,回顾四个步骤,最后构筑了解读意识,但是如果按照通常的科学决定的想法,现在就问意识发生了什么,这四个步骤不需要回顾,我们当场等待就可以了,有类脑计算,确实有下一代计算机。

今天大家给我三个小时,我可以详细说明。2015年的时候,为了向北京市说清楚,我总结了三句话,他们说明白了,你们做吧。

结构层次模仿大脑,设备层次靠近大脑,智能层次打破大脑。模仿结构层次,清晰大脑神经网络结构,模仿大脑,这就是大脑偏移工程。第二,制作神经形态设备,从尺寸、功能上,接近生物神经元,是神经形态工程。

智能水平打破大脑,就像我们今天去训练神经网络一样,使用大数据,使用各种各样的感觉,当然可以用虚拟现实和虚拟环境刺激它,产生简单的道德,刚才说,类似于行为主义的训练。这三个层次完成后,该系统不享受高级简单的功能。

大约是这样的路线。因此,我们所谓的大脑计算,大脑计算机是模仿生物神经网络,使用神经形态设备结构,以时空信息处理为中心的智能设备。为什么要特别强调时空信息处理,因为我们杨家说简单的环境。

图灵机处理的数据流实质上是外汇市场的时空信息,尽管能够制作视频,实现视觉,实现现在的简单任务。但是,最后的时间和空间被破坏,成为一起展开的数据流。时间、空间被破坏后,很多智能任务很难完成。

我们的生物视觉、生物听力,没有破坏时间、空间,我们的眼睛看世界,没有时间,空间最后成为一流,我们确实实实行阶段。这种新机器需要出来,以这种方式处理信息,这是以时空信息处理为中心,时空不能破坏,时空不能破坏的情况需要一致,需要展开处理。因此,这种神经形态的计算机和类型的计算机,我们刚才说的不同,比古典的计算机在各个层面都要改变。新的神经形态计算机,其基本部件是神经元和神经神经元,而不是晶体管,这是神经形态部件,当然是人工、电子的。

二、经典电脑是人定义的,是冯诺伊曼定义的系统结构。神经计算机是模仿生物的神经网络,已经没有这个功能的构造,我们用电子芯片的方法构筑,对于这样的网络,管理,就像我们今天的操作系统管理硬件的很多功能一样,例如网络构造的构造但是,在你上面构筑网络的各种各样,如何构筑给定的生物网络模型,构筑在这样的硬件上,网络的配置和管理。

从硬神经网络到软神经网络的同构基本拒绝。所以,结果,这样的机器,在退出之前,我们说要实现智能,必须向理解科学家询问智能是怎样的。他可以告诉他,那些东西真的是为了制作电脑模型,不能解决问题。就像中医一样,可以告诉你几个道理,但是那个道理不能解决任何问题。

所以我放弃了,退出和他们论证。否则,每个人都成了杨家,将来这个问题也解决不了。

因为是3小时的演说,所以内容非常丰富,这是上篇,以前的内容是北大计算机系朱铁军CCF-ADL讲义班的下篇:神经形态的编制和AI生物视觉的最前沿这次的课程是收费课程,2017年8月AI慕科学院不会独家在线,成本为2500元(CCF上会员)的在线课程现在限期以699元的价格预售,感兴趣的学生切断:http:/ww.mooc.ai/course/14或者瞄准右图二维码观赏。有关文章:北大计算机系朱铁军CCF-ADL讲课班下篇:编写神经形态计算与AI生物视觉尖端面具的脑融合有多近?确实,大脑科学技术的最前线是你真凶|CCF的ADL。81种大脑计算的最前线班总结了重磅讲座预告片:朱铁军、陈云智等专家聚集在CCFADL,共享类大脑计算出深度自学处理器和|开学选拔中原创文章,允许禁止发表。

下一篇文章发表了注意事项。


本文关键词:苏州安康恒丰纸业包装有限公司业务部

本文来源:苏州安康恒丰纸业包装有限公司业务部-www.netflix99.com