Kas inimese aju ja simuleeritud närvivõrgu vahel on oluline erinevus?


Vastus 1:

Küsimus koos üksikasjadega on tegelikult järgmine: «Kas erinevused aju ja simuleeritud võrgu vahel on nii olulised, et simulatsioonil pole võimalust aju kõiki võimalusi reprodutseerida? »

Vaatame närvivõrkude kohta Paul Kingi vastust, mis väärib arutelu. Neuraalvõrgus on sisend-väljund, mida juhendaja hindab, ja kahe vahel on "varjatud kihid", mis analüüsivad teavet töötlemise järjestikuste etappide abil, parandades eelmist (sügav õppimine). See sarnaneb väga inimajuga, mis võtab vastu mitmeid sensoorseid sisendeid ja manipuleerib nendega teadliku väljumiseni. Seega on küsimus õigustatud: mitu varjatud kihti on inimese ajus?

Paul King lükkab võrdluse ümber mitmel argumendil: 1) aju ei ole organiseeritud kihtidesse, vaid omavahel ühendatud keskustesse.2) Neuraalsed ühendused on ühesuunalised; tagasisidet pole ).3) Aju ei õpi täpsetest vastustest.4) Neuronid kasutavad närviimpulsse, mis ei vasta numbrilistele algoritmidele.5) Pauli arvates pole mitmed sügava õppimise kihid paremad kui mõned, sest liiga palju teavet on kadunud teel.

Tegelikult on neuronid jaotatud järjestikustesse ravikihtidesse (erinevates ühendatud närvikeskustes), kuid praegused tehisvõrgud on õigesti simuleerimiseks liiga jämedad. Mõne neuroni simuleerimiseks kulub neil palju tasemeid, seda mitmel põhjusel: 1) Neuronitel on oma tagasiside juhtimine: nende tulistamine on ammendunud. Närviimpulsside osaks on tagasiside levik.2) Neuronid muudavad oma aktiivsuse põhjal füsioloogiat (ka gliaalrakud). Nad on juba iseõppijad.3) Tagasiside kontrolli teostatakse erinevate ühenduste kaudu ja seal on inhibeerivad neuronid.4) Neuronid süttivad spontaanselt. See sisemine tegevus põhjustab sisenemise puudumisel väljumise. Ravi ei ole lihtsalt passiivne protsess.5) Neuraalsete aktiveerimiste vahelised latentsusajad tagavad tagasiside kontrolli lisamise ja edasilükkamise igal töötlemisetapil sõltumatuse. Muu seotud teave võib vahepeal takistada tagasiside kontrolli toimimist.

Kõik need neuronite omadused näitavad, et nende süsteem on dünaamilisem ja stabiilsem kui tehisvõrgud. Tasemete lisamine viisil, milles need on loodud tehisvõrku, vähendab ainult kontseptuaalse käsitluse vea varu, samal ajal kui neuronite rühmal on vähe valesti tegemist, ta elab illusioonis teha alati suurt tööd, võiksime öelda ja ülaltoodud juhendavate neuronite rühm hindab ja viitab korrigeeritavatele neuronitele parandusi. Neuronite puhul on märgitud ravitaseme sõltumatus, mis selgitab, kuidas me kogeme oma teadvust, mis on kõrgeim staadium: ühendatud, sõltumatu, kuid siiski ühendatud paljude esitatud mõistetega.

Kunstlike võrkude disaineritel on see täiustus: suurendada nende töötlemisetappide sõltumatust, hoides neid kooskõlastatult. Manustage peiteaeg, mitte kasutage nende elektroonilist kiirust. Miski ei takista teoreetiliselt neil edu saavutamast ja seetõttu suudavad teie küsimusele vastamiseks tehisvõrgud potentsiaalselt simuleerida inimteadvuse sisu ja neid kogeda. Kogemused on pigem transistoride hunnik kui bioloogiliste rakkude komplekt. See teeb quilled pulmad ...

Viimane märkus: jah, aju õpib ka saadud vastustest: oma vanemate vastustest. Lisaks keskkonnale antavatele, binaarsel viisil märgitav: karistus / tasu.

Selles artiklis on teil tehisintellekti võti ;-)


Vastus 2:

Nagu bioloogiline lahendus meie liikumiseks on lihased, kuid tehnoloogiline lahendus on ratas; võime saada simuleeritud teadvuse, emotsioonide ja eneseteadlikkuse jaoks teistsuguse lahenduse kui meie aju.

Sellele küsimusele õige vastuse saamiseks on vaja mõlemalt poolelt rohkem uuringuid. Praegu pole simuleeritud närvivõrk meie aju lähedal, kuid parimad ajud töötavad selle kallal.

Universaalsus, loomsete ajude vähene energiavajadus ja madal kiirus võrreldes kunstlike närvivõrkudega on tingitud bioloogiliste neuronite ja tehisneuronite tohututest erinevustest, välja arvatud nende arv ja koostis vastavas võrgus.

On palju punkte, kus kunstliku närvivõrgu uurijad saavad oma algoritmi täiustada, uurides aju intelligentsust:

  • Inimese ajus on neli peamist komponenti - tserebrum, tserebellum, limbiline süsteem ja ajutüvi, kus ühelgi meie väljakujunenud tehisnärvivõrgustikust pole sellist ülesehitust. AlphaGo arhitektuuril on tugevdusõpe ja sügav õppimine. Aju töötab järelevalveta režiimis ja ärge oodake tohutul hulgal märgistatud andmeid, näiteks süvaõppel põhinev juhendatud tehisnärvivõrk. Masinõppega tegelevad teadlased töötavad juhendamata õppimise nimel. Aju suudab oma intelligentsuse mõne keele kaudu teistesse ajudesse edastada. Masinõppega tegelevad teadlased tegelevad siirdeõppega. Aju saab puhkehetke ja une kaudu oma mälu tugevdada. Masinõppega tegelevad teadlased töötavad vähese mäluga seadmetele väljaõppitud kunstliku närvivõrgu pügamise nimel. Aju võib lugusid ja unistusi genereerida omaenda mälust. Masinõppega tegelevad teadlased töötavad generatiivsete võrkude kallal.

Masinõppega seotud uurimistöö edu võib anda näpunäiteid meie aju töö kohta. Kuid see saab olema keeruline, kuna väga vähesed neuroteadlased on algoritmist huvitatud. Niisiis, me võime kunstliku üldintellekti saada palju varem kui oma aju mõistmine.


Vastus 3:

Aja möödudes ennustan, et ka vastus sellele küsimusele muutub.

Praegune vastus sellele küsimusele on jah.

Praegu on simuleeritud närvivõrgud üsna head spetsiaalsetes ülesannetes nagu objektide äratundmine, keele töötlemine, autonoomne navigeerimine ja isegi muusika genereerimine. Meie mudelid põhinevad mõõdikute õppimisel, Bayesi statistikal ja kumeral optimeerimisel, samuti meie arusaamal neuronitest ja koostööst. Need mudelid on väga umbkaudne hinnang sellele, mis meie peas tegelikult toimub! Muidugi, võib-olla suudavad ühel päeval meie arvutisimulatsioonid inimese tunnetust kõigis aspektides suurepäraselt modelleerida (kes teab!).