基于脑科学的人工智能研究

一、人工智能简介

“人工智能”最早是由约翰·麦卡锡在1955年提出来的。人工智能在被最早提出来的时候, 定义为“制造智能机器的科学与工程”。在维基百科中, 人工智能被定义为“人工制造出来的系统做表现出来的智能”。在百度百科中, 人工智能被定义为“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学”。

人工智能的概念涉及到两个主题, 一个是智能, 另一个是智能机器。智能机器, 是指用机器模仿人类的智能活动, 设计并制造出一种与人类思考方式相似, 与人类行为相似, 会学习, 根据对环境的感知, 做出合理的行动, 并获得最大收益的机器。智能机器的实现, 目前主要依靠计算机作为实现的平台。可以说, 计算机是人工智能的基础和媒介。关于“智能”, 阿伦·图灵说过, 如果一台计算机能够使人相信它是人, 而不是机器, 那么, 这台机器应当被称作具有“智能”。现下大家讨论人工智能的时候, 普遍的将“智能的行为”当作“智能”。可以说, 当下对于人工智能的理解和研究, 普遍集中在以计算机为实现技术的人工智能行为研究。这样使得人工智能的研究趋于狭窄, 将不利于人工智能的发展和应用。

人工智能的本质是通过探索人类的思维和感觉规律, 模拟人类的智能行为。所以, 人工智能需要借助人类智慧才能实现。神经科学和脑科学的发展和进步, 持续深化人们对人工智能的理解, 为人工智能的发展提供了很好的理论。现在机器学习领域中表现优异的人工神经网络最初是受到脑科学的启发, 而现在这一领域的发展已经和脑科学很少有交集了。将人工智能与脑科学相结合, 利用脑科学研究中对智能的探索和理解, 将有可能解决目前人工智能的相关瓶颈问题。

二、脑科学和类脑智能研究

狭义的脑科学指的是神经科学, 涉及神经系统内分水平、细胞水平、细胞间的变化过程。广义的脑科学包括研究人、动物和机器的认知、意识与智能的本质与规律。本文中涉及的脑科学是指的广义上的脑科学。脑科学研究是一个跨学科研究, 包括生命科学各个领域, 到数学、物理学、化学、信息学等。脑科学探索人类思维的运行机制、将生物科技、认知科学和信息技术推向整合和更前沿, 必将给人类社会带来巨大的变化[1,2]。

类脑智能从脑神经机理和认知行为机理 (广义的脑科学) 中得到启发, 通过计算建模的方式, 实现机器智能。类脑智能尽量模拟人脑的信息处理机制, 以类脑的方式实现人类具有的认知行为和智能水平, 期望最终达到或超越人类智能水平。类脑研究需要解决的问题是一方面怎么理解大脑, 另外一方面怎么把对大脑的理解真正运用到工程中。类脑研究基于人脑的结构, 更多的是模拟人类大脑的功能。类脑研究的突破将推动新一代人工智能技术的发展[3,4]。

三、改进的人工智能

现在很多的人工智能研究都集中在对这个世界的精确模拟上, (如图1-1所示) 。为了建立一个模型, 人工智能和计算机工程师罗列尽可能多的特征, 使用海量的数据进行识别训练。这不仅太高了人工智能的应用门槛, 需要处理的数据是非常巨大的, 几乎是几何数量级的, 这对于处理能力和技术能力来说提出了非常高的要求;而且还存在过度拟合的风险问题, 就是过度拟合, 用大量的数据训练机器学习, 可能得到很复杂的模型, 它能够很好的解释训练数据, 但是不能处理未来实际应用中的情况[5]。人脑从外部世界获取信息并存储起来, 然后将它们以前的样子和正在发生情况进行比较, 并以此为基础进行预测的。智能是可以通过记忆能力和关于周围环境模式的预测能力来衡量的。由此, 图1-1可以优化为图1-2。

行为和预测 (智能) 有很紧密的联系。也可以看出, 脑皮层的作用在最初只是如何更好地利用已经具有的行为, 而不是创造出全新的行为。加入行为的影响, 图1-2可转换为图1-3。由图1-3可以看出, 加入类似大脑的预测和行为影响因素, 可以极大的减少建模的维度和训练数据量。

四、结论

本文探索了预测在大脑功能中的重要作用, 以及行为和智能的密切关系, 并将这些知识引入到人工智能中, 探讨改善人工智能建模中遇到的问题。以后的研究工作需要进一步深化对预测功能的理解, 进一步优化方法。

摘要：近年来, 人工智能成为一个极热的话题。目前, 人工智能需要基于大数据的训练和建模。这不仅太高了人工智能的应用门槛, 而且有一个风险问题, 就是过度拟合。脑科学的研究可以深化对人工智能的理解, 为人工智能的发展提供了很好的理论。本文引入脑科学的研究成果, 提出改进的人工智能。

关键词：人工智能,脑科学,类脑智能

参考文献

[1] Mark F. Bear, Barry W. Connors, Michael A. Paradiso.Neuroscience:Exploring the Brain[M]. Lippincott Williams&Wilkins, 2015.

[2] Kandel, E. The New Science of Mind and the Future of Knowledge. Neuron, 2013 (80) :546-560.

[3] 曾毅, 刘成林, 谭铁牛.类脑智能研究的回顾与展望[J].计算机学报, 2016 (1) :212-222.

[4] DAI R W. Formation and development of social intelligence science[J]. Journal of University of Shanghai for Science and Technology, 2011, 33 (1) :1-7.

[5] 邹蕾, 张先锋.人工智能及其发展应用[J].信息网络安全, 2012 (2) :11-13.