外币投资理财网站开发,荣成市建设局网站,瑞安网站建设电话,网站建设是什么岗位来源#xff1a;中国科学报像人一样思考#xff0c;这是人们对人工智能和机器人的期待。大踏步前进的人工智能#xff0c;似乎走到了十字路口。“机器综合智能水平和人脑相差较大#xff0c;机器学习需要较多人工干预#xff0c;不同人工智能模态之间交互协同较少……”近… 来源中国科学报像人一样思考这是人们对人工智能和机器人的期待。大踏步前进的人工智能似乎走到了十字路口。“机器综合智能水平和人脑相差较大机器学习需要较多人工干预不同人工智能模态之间交互协同较少……”近日在香港召开的第S43次香山科学会议上与会科学家细数当前人工智能发展面临的瓶颈。解铃还须系铃人人工智能的发展也不例外。科学家意识到想要走得更远人工智能还要回到出发的地方那便是人类智能。丨神经科学提供基础“以深度学习为代表的机器学习方法在视听觉感知等具体问题上媲美甚至超越人类的水平。”会议报告中作为一名神经科学家中科院神经科学所研究员蒲慕明院士为人工智能在过去几十年的发展点赞。不过他同时看到与人脑的学习能力相比机器学习在可解释性、推理能力、举一反三能力等方面存在明显差距。让机器向人学习是提升“智能”水平的重要方向。会议执行主席、香港科技大学副校长叶玉如院士指出“目标是在多个层面理论上模拟大脑的机制和结构开发一个更具有普遍性的AI以应对包括多任务、自学习和自适应等方面的挑战。”“受脑启发”是人工智能最重要的发展方向。近年来脑科学研究正在从传统的认识脑、了解脑向保护脑再向增强脑、影响脑的过程发展即完成从“读脑”到“脑控”再到“控脑”的转换。学习大脑的信息处理机制建立更强大和更通用的机器智能是非常有前景的。通过多学科交叉和实验研究获得的人脑工作机制更具可靠性有望为人工智能未来发展提供基础。另一方面人工智能可以对神经学和脑科学在数据收集、标注和建模等方面提供技术支持促进脑科学的发展。丨打破“冯·诺依曼架构”面向通用的人工智能离不开类脑计算芯片。清华大学精密仪器系教授、类脑计算中心主任施路平表示“作为一种借鉴人脑存储处理信息方式发展起来的新技术类脑计算将是人工通用智能的基石。”打破“冯·诺依曼架构”成为借鉴人脑信息处理方式的重要途径。据了解在“冯·诺依曼架构”中计算模块和存储单元互相分离CPU在执行命令时必须先从存储单元中读取数据。每一项任务如果有十个步骤那么CPU会依次进行十次读取、执行再读取、再执行时间和功耗都花费在数据读取上限制了数据处理能力。这与大脑处理大量外界信息却能耗极低的现象大相径庭。类脑计算有望把类似大脑的突触做到芯片上。今年5月北京大学计算机科学技术系教授黄铁军课题组联合多家单位实现了灵长类视网膜中央凹神经细胞和神经环路的精细建模提出了模拟视网膜机理的脉冲编码模型研制成功仿视网膜芯片。“视网膜超速全时视觉芯片像生物视网膜一样采用神经脉冲表达视觉信息脉冲发放频率‘超速’人眼百倍能够‘看清’高速旋转叶片的文字‘全时’是指从芯片采集的神经脉冲序列中重构出任意时刻的画面。”黄铁军介绍说“这是实现真正机器视觉的基础有望重塑视觉信息处理体系为无人驾驶、机器人、视频监控等领域带来变革。”不过神经突触芯片还在实验室阶段尚未走向实用。与会专家认为类脑计算是一场令人兴奋又望而生畏的艰难挑战。丨尚存三大隐忧《中国AI发展报告2018》显示自2013年以来全球和中国人工智能行业投融资规模都呈上涨趋势。与会专家注意到目前国内跟人工智能有关的公司有4000多家但是能够得到投资人青睐或关注、愿意投资的公司却不到三分之一。过度依赖国外现成源代码、商业应用路径不明确及专业人才稀缺是当前人工智能企业的三大隐忧。自2015年以来谷歌、脸书、亚马逊等纷纷发布机器学习的开源软件导致我国企业采用大量现成的源代码。在科学家看来这仿佛在起跑线上丧失优势工艺再精深也是在别人的体系中做零部件的更新改造。对此应重点突破基础领域针对人工智能底层技术加强对以深度学习为代表的底层算法模型的深入研究。而对于商业应用路径不明确专家建议企业不要太盲目应尽快找准发力方向AI项目商业应用场景能否落地是其成败的关键快速积累核心技术优势打造商业模式才能做出真正有市场需求的产品。同时应坚持实事求是的发展路线避免人工智能热潮演变成一次“大跃进”透支研究和实业资本资源。未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能互联网和脑科学交叉研究机构。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云脑研究计划构建互联网城市云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。 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”
