人工智能的下一步模仿婴儿的大脑吗

在一篇有关抚养孩子的文章中，您会比在人工智能方面更经常听到“积极强化”这一短语。但是据明谢大学电气与计算机工程学系主任，电气工程学教授爱丽丝·帕克(Alice Parker)称，我们的AI机器需要一些积极的加固。派克(Parker)十多年来一直在构建电子电路，以对人脑进行逆向工程，以更好地了解其工作原理，并最终构建模仿它的人造系统。她的最新论文是与Ph.D.共同撰写的。来自UC Riverside的学生Kun Yue和同事刚刚在《科学进展》杂志上发表，并朝着这一最终目标迈出了重要的一步。

我们今天依赖和了解的AI是在传统计算机上建模的;它通过二进制零和一的镜头看世界。这对于进行复杂的计算是很好的，但是，根据Parker和Yue的说法，我们正在迅速接近可用AI平台解决的问题的规模和复杂性的极限。岳说：“自从最初的深度学习革命以来，基于深度学习的AI的目标和进展一直很缓慢。” 为了发挥其全部潜能，人工智能不能简单地思考得更好，它必须对事件进行实时反应和学习。为此，必须首先构想我们如何构建人工智能的巨大转变。

为了解决这个问题，Parker和她的同事们正在寻找自然界创造的最完善的学习系统：人脑。这是积极加强作用发挥作用的地方。与计算机不同，大脑是模拟学习者，生物记忆具有持久性。模拟信号可以具有多种状态(非常类似于人类)。虽然使用相似类型的纳米技术构建的二进制AI可以实现长效记忆，但是它可以理解事物的好坏，而模拟大脑可以更深入地了解情况可能是“非常好”，“还好”，“不好”或“非常不好”。该领域称为神经形态计算，它可能仅代表人工智能的未来。

当人类接触到新的和潜在有用的东西时，我们的神经元就会出现多巴胺峰，这些神经元周围的连接也会增强。帕克说：“想像一个婴儿坐在高脚椅上。” “她可能正在疯狂地挥舞着手臂，因为她未发育的神经元只是随机发射。” 最终，这些疯狂的运动之一导致了积极的结果-例如，将杯子摔倒并弄得一团糟。突然间，做出该动作的神经元得到响应并增强。做得足够定期，婴儿的大脑开始将这种峰值与值得内在化的东西联系起来。就像这样，我们的小宝宝已经知道手臂运动会产生有趣的结果，并且这种学习会随着时间的流逝而持续。这正是神经形态计算正在尝试做的事情：

为此，Parker和Yue设计了自己的神经形态电路，并将其与称为磁畴壁模拟忆阻器(MAM)的纳米器件相结合。然后，他们进行仿真以表明其神经回路像大脑一样学习。该MAM设备是如此复杂，以至于整篇文章都可以单独写在上面。但是目前，最重要的是要知道这是一个非常小的设备，可以无限期地记住人工神经元收到的正强化“峰值”。您可以想到帕克的神经形态回路与MAM相结合，就像那个小婴儿的大脑一样。从这个意义上讲，派克和岳有点像小AI婴儿的父母……教它新事物，并在正确做事时积极地加强它。

目前，我们所拥有的有点像一个真正的婴儿的大脑。尚未开发，最终还无法自行做出决定。但是，就像真正的婴儿一样，研究人员有足够的工作，投入和爱心，这项技术将改变AI在现实世界中的工作方式。

当然，帕克的工作从未真正完成。帕克说：“与DARPA合作，我们的下一步就是教我们的系统学习新东西，而又不会忘记以前的课程。” 他们的工作可能代表了朝着神经形态AI最终目标迈出的一小步，但与任何优秀的研究人员或父母一样，Parker也意识到婴儿迈步的重要性。