如何让人工智能像人类一样处理问题?

导读文/陈根人工智能是关于人脑的科学和科技。事实上,人脑的本质,就是一个由神经元构成的网络。庞大的神经元网络组成了人脑的基本结构负责处理大部分思维活动的大脑、负责协调运动的小脑以及连接其中的脑干。人工智

文本/陈根

如何让人工智能像人类一样处理问题?

人工智能是一门关于人脑的科学技术。

其实人脑的本质是由神经元组成的网络。庞大的神经网络构成了人脑的基本结构:负责处理大部分思维活动的大脑、负责协调运动的小脑以及与之相连的脑干。

人工智能是通过模拟人脑而诞生的。比如早期浅层神经网络的结构,一般表现为多个输入层“神经元”负责接收和处理输入信息,然后将信息上传到少量输出层“神经元”,经过综合处理后做出决策。因此,通过算法的进化,人工智能允许机器在非标准环境下,通过整合内存和环境信息,进行独立决策和解决问题。

另一方面,人脑也是人类最复杂的器官。在大脑中,神经元主要通过突触进行交流,突触的强度(即交流的效率)可以通过可塑性机制来调节。科学家们一直在努力开发和大脑一样轻、节能、适应性强的人工智能(AI),但现有的人工突触仍然不能在超低功率下有效模拟大脑的神经可塑性。

现在,在《科学进展》年发表的一项研究中,研究人员从人脑中获得了灵感,工程师们首次将准二维电子气(2dEG)引入神经形态系统。

他们开发了氧化物超晶格纳米线,它允许电子在纳米线提供的二维平面上自由移动,从而形成准2DEG,从而形成人工突触。人工突触在光照下,氧化超晶格纳米线上的自由电子会与周围的氧分子发生反应,从而改变人工突触的导电性,模拟大脑中的突触可塑性。

特别是每个突触传递事件的能量消耗小于0.7 fJ,几乎等于大脑突触的能量消耗。同时,人工视觉系统可以同时进行超低功耗的光检测,实现类脑处理和记忆功能。

此外,由于突触连接强度的动态变化,人工突触可以处理数据和识别模式,更具鲁棒性、可塑性和容错性,因此对不确定信息具有适应性。神经形态计算体系结构的所有这些特殊特征使得它对脑启发技术的应用非常感兴趣,例如涉及大量相关并行数据的视觉信息处理。

免责声明:本文章由会员“王同远”发布如果文章侵权,请联系我们处理,本站仅提供信息存储空间服务如因作品内容、版权和其他问题请于本站联系