济南食品行业网站开发,天津网站建设zymxart,诗敏家具网站是谁做的,wordpress 登录状态来源#xff1a;智源社区采访整理#xff1a;李梦佳校对#xff1a;熊宇轩神经科学究竟如何启发AI#xff1f;不同路径如何殊途同归#xff1f;智源社区采访了NeuroAI白皮书的第一署名作者#xff0c;来自冷泉港实验室#xff08;Cold Spring Harbor Laboratory智源社区采访整理李梦佳校对熊宇轩神经科学究竟如何启发AI不同路径如何殊途同归智源社区采访了NeuroAI白皮书的第一署名作者来自冷泉港实验室Cold Spring Harbor Laboratory的美国神经科学家Anthony Zador请他分享了在神经科学与AI交叉领域研究的经历和期许。近日Yann LeCun、Yoshua Bengio、Matthew BotvinickDeepMind、Jeff Hawkins等人工智能和神经科学领域的多位著名学者近日发表 NeuroAI 白皮书-《迈向下一代人工智能催化神经人工智能革命》。白皮书指出「图灵测试」一直被奉为判断机器是否具有人类级别智能的重要指标而目前的自然语言处理系统在因果推理、常识推理、语义理解方面仍然存在缺陷。科学家们认为动物的感觉运动能力可能是它们理解世界的基础。为此白皮书的作者们提出了「具身图灵测试」作为 NeuroAI 的终极挑战。能够通过「具身图灵测试」的智能体需要具备与人类和其他动物的交互相比的高级的感觉运动能力。这些高级的感觉运动能力几乎是所有动物所共有的使动物能够适应新的环境。高级感觉运动能力的特征包括但不限于1与世界交互。有目的地移动并与环境交互。现有的机器人技术在控制身体和操纵物体方面与动物的能力还相差甚远。神经科学可以提供设计适配人工系统的模块化、层次化架构的指导原则使系统具备这些能力也可以启发其它形式的「智能」。2动物行为的灵活性。以个体动物能够产生的行为相对应的方式参与大量灵活多样的任务。为了在不断变化的世界中成功智能体必须灵活并利用事物发展的一般知识掌控新局面。3能源效率。根据大脑灵活的循环架构指导循环电路训练机制的设计提升系统的能源效率。生物智能系统利用能源的效率远远高于现有的人工智能机器。总结来讲白皮书认为神经科学长期以来一直是推动人工智能AI发展的重要驱动力NeuroAI 领域的基础研究将推动下一代人工智能的进程。而今年10月的一场twitter风波将「AI是否需要神经科学」的争论推至台前反对者甚至认为神经科学从来都没推动过人工智能因为发明Transformers / ADAM的人并没有看过一篇神经科学的论文。对此白皮书作者之一的Anthony Zador在访谈中给出了更详细的观点以下为采访全文智源社区做了不改变原意的编辑。 Anthony ZadorAnthony Zador美国神经科学家冷泉港实验室主任2015年被《外交政策》杂志评为全球百大思想家。在神经科学与人工智能交叉领域方面他是 2004 年计算与系统神经科学 (COSYNE) 顶会以及NAISYS神经科学到人工智能系统会议的联合创始人。目前他的实验室主要研究大脑神经回路如何产生复杂行为包括听觉皮层如何处理声音等。近期他开创了一种连接组映射的分子生物学新方法显著提升在单细胞水平上映射神经元回路的速度。冷泉港实验室The Cold Spring Harbor Laboratory缩写CSHL有132年历史为享誉全球的非营利性私人科学研究与教育中心主要成就为分子生物学领域共诞生8位诺贝尔奖得主被誉为世界生命科学圣地、“分子生物学摇篮”名列世界影响最大的十大研究学院榜首。“NeuroAI革命Q关于近期发表的NeuroAI白皮书这项工作的指导思想是A基本思想是如果我们看人工智能的历史它是完全与神经科学的历史交织在一起的。如果你回到现代人工智能的最开端现代人工智能的第一篇论文可以说是第一篇神经网络论文是 McCulloch-Pitts 1943 年的这篇论文它提出了人工神经元的想法。1946年冯·诺依曼提出的冯·诺依曼机所有现代数字计算机的基础正是受到了这篇论文的启发。1957年提出的感知机Perceptron也是生物神经细胞的简单抽象。 回溯人工神经网络的历史。例如卷积神经网络 CNN 明确地受到 Hubel 和 Wiesel 的启发。20年来大多数人工智能和人工技术的重大进步有很多都来自神经科学。这篇工作的核心思想就是希望两方要保持这些联系牢固 神经科学领域的人以及人工智能领域的人在两个学科方面都受过同样训练的人。所以我们要做的就是团结起来重新团结重新团结起来。核心思想就是汲取神经科学中的养分将它们应用到AI当中。Q白皮书强调了 NeuroAI 革命。你认为这场革命的最终目标是什么它通向哪里A人们总是在说AGI我不喜欢这个术语因为我不相信智能的通用性智能应该是非常具体的。每个智能体、每个有机体都有其特定的偏见。这就像没有免费午餐定理你不可能同时擅长所有事情。我更喜欢AHIartificial human intelligence这个词 人们普遍想象这样一个智力金字塔底部是蠕虫或水母然后再高一点可能有鱼最后是老鼠、猴子和黑猩猩然后是人类。我认为这是完全错误的。我认为每个不同的有机体都非常擅长解决各自需要解决的问题。所以NeuroAI革命的终极目标应该是AHI。现在缺失的部分需要解决的部分不是那些使人类成为独特人类的小部分而是其他一切。有一个理论叫做莫拉维克悖论莫拉维克是一名AI研究员的名字。1988年他写了一本关于这一概念的书核心思想是对人类来说很难的事情对计算机来说往往很容易。对人类来说容易的事情对计算机来说却非常困难。国际象棋是一项具有挑战的游戏。大多数人都不是很擅长。1997年计算机在这项技术上打败了人类IBM的“深蓝”打败了世界国际象棋冠军卡斯帕罗夫。其他游戏也是如此。显然计算机在计算乘法之类的方面要厉害得多。但如今人工智能目前的发展轨迹正在让人工智能解决我们认为独特的人类问题比如语言。大规模语言模型虽然仍然不完美但是已然相当接近人类的语言能力。但目前我们还没有可以与物理世界交互的人工智能体。比如说我的梦想是拥有一台可以装洗碗机的洗碗机可以帮我铺床、洗衣服因为那样我就不用做那么多的家务了。而我们距离那个目标还非常遥远。5 年前人们说人们预测人工智能革命会颠覆经济例如取代开车的人。我有一辆特斯拉它还不会自己开呢。开车驾驶涉及与世界互动。所以我最近还在和要上大学的孩子们开玩笑说如果他们未来想保住自己的饭碗应该当水管工。因为AI没法很快取代水管工。Q如何理解具身图灵测试A「具身图灵测试」其实最开始是别人提出来的在我们的这篇工作中强化了。标准的图灵测试是指一个人工智能系统可以在对话中愚弄人类目前我们已经非常接近了。最好的语言模型已经可以骗人得出的文本甚至比很多人说话都连贯通顺。而具身图灵测试则是关于测试智能体与世界互动的方式比如说打网球或骑自行车。换句话说一个智能体要能做这个星球上的每只动物毫不费力可以做的事情。所以我想目标是重新思考认知的基础但要从下到上进行底层的重建。Q如您所说目标是AHI我们如何才能实现这个目标换句话说如何提供切实可行的技术路线图A这是一个开放性的问题。这篇文章的作者列表上有20多个人都来自不同机构但我只和他们中的几个有过合作。关于具体如何推进可能想法各不相同。其实这不像说有一个列表上面写好了我们要做1234。我认为核心思想就是为了取得进步忽视自然、神经科学要教给我们的东西是愚蠢的。打个比方想象一下一艘来自外太空的宇宙飞船并降落在地球上上面有一大堆先进的技术。反重力设备等。于是我们也想建造反重力设备把它拆开尽可能多地学习如何建造反重力机器。造AI也是同理我们四周就遍布着各种让人惊奇的例子因为遇到的每只动物几乎都是自然、聪明且能与世界交互的。所以如果不去学习神经科学是愚蠢的。我们已经了解了动物智力的产生以及神经元和构建模块的知识只是需要知道以什么样的方式将他们组合在一起。我们已经完成了一半的逆向工程已经把这个问题拆解开了。现在需要的是下半场。神经科学的意义在于将它们拆开的时候知道每一部分是什么而人工智能则侧重于工程能够以一种有效且有用的方式将它们组合在一起。这才是我们所追求的目标。Q在理想状况下智能机器能像人脑一样稳定、高效吗A我认为与生物相比硅基不一定是差一等的基底甚至可能更好。问题不在于物理基板。问题是我们对生物计算的工作原理了解不够无法构建复制它的物理系统。这就需要在人工智能工程和神经科学研究之间来回切换。Q如果我们想实现《西部世界》中的世界主要的障碍是什么A我看过几季《西部世界》它们似乎并不是理想中的AI很多角色最后下场不怎么样。物理学家Richard Feynman有一句名言——我无法创造出我不理解的事物“What I cannot create, I do not understand”。也就是只有真正理解了才能够构建。Q如何构建「意识」A我能想到的最好方法就是造人生孩子笑。我有两个小孩我认为他们大部分时间都意识清醒。所以这是最简单的方法我猜最近大约有 70 亿人都这样做。另外就涉及到AHI建立一个像我们一样思考的人工系统以与我们相同的方式思考和他交谈看看他脑子里到底在想些什么。最近的一个报道https://www.cnn.com/2022/07/23/business/google-ai-engineer-fired-sentient讲到有位谷歌工程师认为与他交谈甚欢的大型语言模型有意识尽管别人都认为是他错了他却信誓旦旦。“AI和神经科学的交锋Q作为神经科学家神经科学应该如何给人工智能研究带来启发A有两种思考方式。首先以正确的方式从神经科学中提取思想并将它们应用于人工神经网络。人工神经网络最初是源于从4、50年前形成的神经回路理论。从那时起我们已经了解了足够多的神经科学。AI研究员们经常去神经科学的会议他们会坐在观众席上然后说太有趣了也许我可以用上那个。这当中有很多偶然性。Yann LeCun、Geoff Hinton他们偶然会读到一些神经科学的论文。Jeff Hawkins实际上花费了大量时间思考神经科学他非常看重这一学科。印象中差不多30年前我还在读研的时候NeurIPS已经是计算神经科学computational neuroscience领域的顶会NeurIPS 会议最初是在 1986 年由加州理工学院和贝尔实验室组织的关于计算神经网络的年度斯诺伯德Snowbird会议上提出的。NeurIPS 旨在为探索生物和人工神经网络的研究人员提供一个互补的开放式跨学科会议。当时参会者大部分都是在两个交叉领域有所涉猎的人。但是后来两个领域的人渐行渐远慢慢分离开。做机器学习的人走了一条路做神经的人走了另一条路。差不多一代人以前那种亲密的联络日渐衰微。当然也有一些例外比如DeepMind所做的事情斯坦福和麻省理工学院以及越来越多的加州大学洛杉矶分校和越来越多的其他机构来弥合这一鸿沟。我们这篇工作的意义就在于通过这一篇论文强调这个问题的重要性起到一个催化剂的作用推动向前。在比如说政府资助方面凸显作用。QAI 研究人员和神经科学家在思维方式上有什么不同A神经科学的人属于科学家人工智能研究者本质上是工程师。他们的终极目标不是理解而是构建。而为了构建你需要理解你所正在构建事物的基础。就好比我们手中的iPhone在过去的5到10年间它变得更快更小、电池寿命更长这些都是渐进式的进步不需要根本性的灵感。(当然不可否认iPhone是一件了不起的工程产品。AI需要根本性的灵感来自神经科学。“在冷泉港工作Q冷泉港实验室是世界上最负盛名的生命科学实验室之一。在那里工作是什么感觉A在冷泉港实验室工作的体验棒极了这里主要的强项是生物、神经科学、基因研究。它位于距离纽约市一小时车程的地方地方不大环境优美位于水面上照片。在这里工作的一大优点是每周有大量的会议尤其是生物方面的会。我的同事熟人们他们会从世界各地纷至沓来正是因为地方小所以我们互动频繁。尤其是自己领域之外的人。我的一个亲密同事他研究的是基因系统、分子生物学。我原本对遗传学和分子生物学知之甚少现在这些领域知识成了我工作的核心。冷泉港实验室Q实验室的资金来源是A根据美国的体系我们需要向美国国立卫生研究院NIH申请捐赠资金同时也筹集一部分资金。大致的比例可能是1/2或者2/3。Q实验室的工作重心是A我们实验室在做的事情一直是试图了解神经回路。我们实验室的一个工作假设是包括抑郁、精神分裂症、自闭症等的精神类疾病在很多情况下都是大脑接线障碍导致的。这种情况下往往出现问题的神经元无法正常传递信息。某个脑区的神经元无法适当地与另一个脑区的神经元进行交流。有时我们去猜测是哪些脑区无法正常交流。连接太多或太少都不行。于是实验室在动物身上进行研究研究动物身上的神经回路。我们认为涉及语言交流障碍的自闭症和神经通路的中断有关而这种中断也可能源于特定基因的突变有关。研究的总体思路是如果你认为某个基因导致了人类的自闭症破坏老鼠体内的那个基因然后和普通的老鼠相比看看神经回路发生了什么。Q追溯早期的学术和职业生涯是什么让您多年来对神经科学保持热情A几经周折和辗转我花费很长时间才意识到我感兴趣的是什么。我真正感兴趣的是如何从大脑中构建思想从物质中打造意识。这个问题很难回答。也许是哲学家要解决的问题。具体地我想了解的是如何从神经元集合中获取行为或者说计算。读研究生期间我做的是纯理论那是1980年代末期当时人工神经网络再次流行起来。我的博士论文做的是神经元建模并试图在回答一个重要的问题神经元与人工神经元的工作方式有何不同。我博士期间主要研究的是神经元的树突。后来我想真正学习如何做实验我加入了神经科学传奇人物之一的Chuck Stevens实验室他上个月刚刚逝世享年88岁。在他的实验室工作期间我花大量时间了解突触是如何工作的。后来我来到了冷泉港在这里我试图通过研究回答人们一直在问的关于猕猴中的决策能力只是不同的是我们在啮齿动物身上做实验。当时和我的一位同事Zach Mainen一起开始教老鼠执行复杂的认知任务。当时很多人都认为这是不可能完成的。我们当时专注研究听觉系统梳理了负责做出听觉决策的神经回路。与此同时我意识到真正需要的是一个完整的大脑回路图。我们需要理解神经元究竟是如何连接起来的于是我开始开发一套新的分子工具用于高速分解神经回路。这是我们当时的主要工作。Q最后您能给我们介绍一下您想象中的未来人工智能吗它会是什么样子A我关于未来AI的愿景和科幻小说中的没有什么不同。幻灯片中展示了来自电视和电影中五六个不同的机器人。我通常把这个当成一个测验测试一个人看过多少科幻片。有星球大战阿诺施瓦辛格演的终结者。以及一个我小时候看的一个电视剧叫做lost in space里面有一个小机器人the Jetsons动画片里面的。C-3PO可能是一个不错的选择一个类人的机器人可以聊天而不像终结者里面的要杀了你。机器人不应该生来暴力或恶毒我认为这也许是属于灵长类的特质。人类是从灵长类动物进化而来的灵长类动物是哺乳动物当中比较卑鄙、恶劣、暴力滋生的群体。你看猴子们经常互相攻击。我们人类的冲动来自灵长类祖先一种预测是5万年前我们现代人类与一群其他非常聪明的物种——尼安德特人、等等——共享地球。他们中的大多数可能还有其他几个。一种可能性是我们杀死了他们也许我们不是最聪明的也许我们只是最暴力的。我认为没有任何理由可以想象智能需要与暴力或统治这类事情密切相关。 Q也就是说机器人不应该是“生来本恶”的。A没错除非是那些军事目的生产的杀手机器人。Q最近读过哪些书可以推荐给读者A好问题。我最近读过一本描写AI历史的书叫做The Genius Makers作者是Cade Metz。此外有一些关于神经科学的书给人很多的灵感其中一本叫做Other Minds作者是Peter Godfrey Smith。他是一位哲学家博物学者还是一位潜水员。他喜欢水肺潜水。这本书讲了很多关于章鱼的大脑/思维。章鱼其实是非常聪明的它们是比较近期才进化的与脊椎动物完全分离开。之所以称之为Other minds因为章鱼几乎是我们在地球上能看到的最接近外星智慧形式的生物了。从进化的角度讲章鱼和脊椎动物之间的共同祖先似乎是水母类的生物我忘记具体是什么并不是非常复杂的生物。另一本关于脊椎动物智能的书叫做Are We Smart Enough to Know How Smart Animals Are作者是一个灵长类动物学家Frans de Waal。他研究了很多生物猴子、猿大象、乌鸦等等非常聪明但方式与我们不同。最后一本我想推荐的书叫做The Mind of the Bee。蜜蜂只有100万个神经元却拥有很强大的能力。它能飞出去5到10英里然后通过视觉提示找到回去的路线。最近看到一篇论文表明一只蜜蜂可以教另一只蜜蜂如何做某事。我们有足够的算力来模仿蜜蜂的神经回路但却没法构建出如此聪明的东西。太神奇了。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市大脑研究计划构建互联网城市大脑技术和企业图谱为提升企业行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
