神经|人工神经网络比我们想象得更类似于大脑( 三 )
在许多类型的应用程序（即监督学习算法）中 ， 收集的数据仍然需要大量的体力劳动才能使每个样本与其结果相关联 。但是 ， 尽管如此 ， 大数据的可用性使直接拟合法可以应用于无法由少量样本和一般规则表示的复杂域 。
超越系统：神经网络
然而 ， 不可否认的一件事是 ， 人类实际上确实从其环境中提取规则 ， 并发展出用于处理和分析新信息的抽象思想和概念 。这种复杂的符号操作使人类能够比较和绘制不同任务之间的类比 ， 并执行有效的转移学习 。理解和运用因果关系仍然是人脑的独特特征 。
这些功能不是从单个神经网络的激活和交互中产生的 ， 而是跨许多思想和世代积累的知识的结果 。
Hasson和Nastase承认 ， 这是直接拟合模型不足的领域 。从科学上讲 ， 这称为系统1和系统2思维 。系统1是指可以通过死记硬背来学习的任务 ， 例如识别人脸 ， 行走 ， 跑步 ， 驾驶 。您可以在不知不觉中执行其中的大多数功能 ， 同时还可以执行其他一些任务（例如 ， 与他人同时走路和说话 ， 开车和收听广播） 。但是 ， 系统2需要专注和有意识的思考（您可以在慢跑时解决微分方程吗？） 。
本文插图
那么 ， 我们需要开发具有系统 2功能的AI算法吗？ 这是研究界争论不休的领域 。包括深度学习先驱Yoshua Bengio在内的一些科学家认为 ， 基于纯神经网络的系统最终将导致系统2级人工智能 。该领域的新研究表明 ， 先进的神经网络结构体现了以前被认为是深度学习无法使用的符号操作能力 。
专家称：尽管人类的思想激励着我们接触恒星 ， 但这是建立在系统1的数十亿个直接拟合参数的基础上的 。 因此 ， 直接拟合插值不是最终目标 ， 而是起点 理解高阶认知架构的要点 。系统2不会从其他基质中产生 。
另一种观点是创建混合系统 ， 将经典的符号人工智能与神经网络结合起来 。在过去的一年中 ， 该领域备受关注 ， 并且有几个项目表明基于规则的AI和神经网络可以相互补充 ， 以创建比其各个部分的总和更强大的系统 。
专家表示：“将网络集成到体内 ， 以使其能够与世界上的对象进行交互 ， 对于促进在新环境中的学习非常必要 。 ” “寻求一种语言模型来从文本语料库中的相邻单词中学习单词的含义 ， 会使网络处于高度限制性和狭窄的环境中 。如果网络具有身体并且可以通过与单词相关的方式与对象和人进行交互 ， 则可能会更好地理解上下文中单词的含义 。与直觉相反 ， 在神经网络上强加这些“限制”（例如 ， 身体）会迫使神经网络学习更多有用的表示 。 ”（本文最初由Ben Dickson在TechTalks上发表） 。
如果喜欢作者的给个关注支持一下呗 ， Victer感谢各位支持！
回首过去 ， 我们思绪纷飞 ， 感慨万千；立足今日 ， 我们胸有成竹 ， 信心百倍；展望未来 ， 我们引吭高歌 ， 一路欢笑 。
推荐阅读
- 人工智能|开润股份亮相2020世界人工智能大会 加速开辟新赛道
- 自在旅游者|广西这座古城很独特，人工打造，景观不输丽江，交通便利，却无人问津！
- 穿搭|李斯丹妮张雨绮这对“大女主CP”，大的只有神经？
- 脑萎缩|脑萎缩去世前兆
- 丹江口水库|亚洲最大的人工淡水湖，被称为亚洲天池，造福1亿人
- 心理健康,神经衰弱|导致神经衰弱出现在我们生活中的原因有哪些
- 吉林|吉林一公园走红，被称长春“颐和园”，却以人工湖的荷花媲美西湖
- 植物人|【感人】神经外科医生辞职卖房，5年“收养”了74个植物人
- 肿瘤|一名神经外科医生手记：手术中途，我为什么突然走下手术台
- 株洲市中心医院|3年备孕无果，两次人工授精失败，生个孩子咋这么难？