Künstliche Intelligenz,
Reverse-Engineering des Gehirns voraus
Fortschritte in der Intelligenz-Forschung kommen aus der Konvergenz von
Technik und NeurowissenschaftenGettyimages
Ihr drei-Pfund-Gehirn läuft auf nur 20 Watt Leistung – kaum genug, um
eine schwache Glühbirne Licht. Noch hat die Maschine hinter unseren
Augen Zivilisationen von Grund auf neu gebaut, erforscht die Sterne und
überlegte unserer Existenz. Im Gegensatz dazu können IBM Watson, ein
Supercomputer, die auf 20.000 Watt läuft Menschen bei Berechnung
übertreffen und Jeopardy! aber noch keine Übereinstimmung für
menschliche Intelligenz.
KABELGEBUNDENE MEINUNG
ÜBER
James J. DiCarlo, MD/PhD, ist Professor für Neurowissenschaften, ein
Ermittler in der McGovern-Institut für Hirnforschung und das Center for
Brains, Minds und Maschinen und der Leiter der Abteilung des Gehirns und
Kognitionswissenschaften am Massachusetts Institute of Technologie.
Watson, weder jedes andere künstlich "intelligentes" System können neue
Situationen zu navigieren, ableiten, was andere glauben Sprache zu
kommunizieren, Poesie und Musik zum Ausdruck bringen, wie es sich
anfühlt zu schreiben und Mathe, Brücken, Geräte, bauen zu schaffen, und
Leben retten Medikamente. Warum nicht? Die Gesellschaft, die löst das
Problem der Intelligenz führt die Zukunft, und jüngsten Fortschritte
zeigt, wie wir diese Chance nutzen können.
Stellen Sie sich menschlichen Intelligenz als einen Wolkenkratzer. Statt
der Stahlträger und Beton ist diese Struktur mit Algorithmen oder
Sequenzen von interagierenden Regeln, die verarbeiten Informationen auf
geschichtet und Interaktion mit einander wie die Stockwerke des Gebäudes
gebaut.
Die Stockwerke über der Straße vertreten die Schichten der Intelligenz,
dass der Mensch einige bewussten Zugang zu logisches Denken mag. Diese
Schichten inspiriert das Streben nach der künstlichen Intelligenz in den
1950er Jahren. Aber die wichtigsten Schichten sind die vielen Böden, die
Sie nicht, in den Keller und Fundament sehen. Dies sind die Algorithmen
der täglichen Intelligenz, die bei der Arbeit sind, jedes Mal, wenn wir
jemand erkennen, wir wissen, hören Sie eine Stimme auf einer überfüllten
Party oder lernen Sie die Regeln der Physik durch das Spielen mit
Spielzeug wie ein Baby. Während diese unterbewussten Ebenen so, dass sie
oft unbemerkt in unserer Biologie eingebettet sind, ohne sie bricht die
gesamte Struktur der Intelligenz.
Als ein Ingenieur-gedreht-Neurowissenschaftler, ich studiere das Gehirn
Algorithmen für eine dieser grundlegenden Schichten – visuelle
Wahrnehmung, oder wie Ihr Gehirn interpretiert Ihre Umgebung mit Vision.
Mein Feld hat vor kurzem einen bemerkenswerten Durchbruch erlebt.
Seit Jahrzehnten Ingenieure Bauten viele Algorithmen zur
Bildverarbeitung, doch diese Algorithmen jedes blieben weit hinter den
menschlichen Fähigkeiten. Parallel angesammelt
Kognitionswissenschaftlern und Neurowissenschaftler wie mich unzählige
Messungen, die beschreiben, wie das Gehirn visuellen Informationen
verarbeitet. Sie beschrieben das Neuron (der grundlegende Baustein des
Gehirns), entdeckte, dass viele Neuronen in einer bestimmten Art von
mehrschichtigen, "tief" Netzwerk angeordnet sind, und gemessen, wie
Neuronen innerhalb dieser neuronalen Netzwerks auf Bilder der Umgebung
reagieren. Sie charakterisiert, wie Menschen schnell und genau auf diese
Bilder reagieren, und sie schlugen vor, dass mathematische Modelle wie
neuronale Netze aus Erfahrung lernen könnten. Doch nicht diese Ansätze
allein das Gehirn Algorithmen für die intelligente visuelle Wahrnehmung
zu entdecken.
Der wesentliche Durchbruch kam, als Forscher eine Kombination von
Wissenschaft und Technik verwendet. Insbesondere begann einige Forscher,
Algorithmen aus Gehirn-Like, mehrstufige, künstliche neuronale Netze zu
bauen, so dass sie Neuronale Reaktionen wie die hatten, die
Neurowissenschaftler im Gehirn gemessen hatte. Sie verwendet auch
mathematische Modelle von Wissenschaftlern vorgeschlagen um zu lehren
diese tief neuronale Netze um visuelle Aufgaben, die Menschen erwiesen
sich besonders gut – wie Objekte aus vielen Perspektiven zu erkennen.
Diese kombiniert Ansatz schoss in 2012, wenn Computer-Hardware hatte
fortgeschritten genug Ingenieure diese Netzwerke aufzubauen und Lehren
sie mit Millionen von Bildern in den Vordergrund. Bemerkenswert ist,
diese Gehirn-Like, künstliche neuronale Netze plötzlich wetteifern
menschliche visuellen Fähigkeiten in verschiedenen Bereichen, und
infolgedessen, Konzepte wie selbstfahrende Autos sind nicht so weit
hergeholt wie sie einst schien. Mittels Algorithmen inspiriert durch das
Gehirn, haben Ingenieure verbessert die Fähigkeit der selbstfahrende
Autos in ihrer Umgebung sicher und effizient zu verarbeiten. In
ähnlicher Weise nutzt Facebook diese visuelle Erkennung Algorithmen zu
erkennen und sogar schneller als Sie können Freunde auf Fotos markieren.
Fortschritt ergeben nicht aus Ingenieuren und Wissenschaftlern aus
Silos; Es ergab sich aus der Konvergenz von Technik und Wissenschaft.
Diese tiefe lernen Revolution hat eine neue Ära in A.I. Es hat
Technologien von der Anerkennung von Flächen und Objekten und Rede, um
automatisierte Sprachübersetzung, autonomes fahren, völlig umgestaltet.
Die technologischen Fähigkeiten unserer Spezies wurde in wenigen Jahren
revolutioniert – der ein Wimpernschlag auf der Zeitskala der
menschlichen Zivilisation.
Aber das ist nur der Anfang. Tief Lernen Algorithmen resultiert aus
neuen Verständnisses von nur einer Schicht der menschlichen Intelligenz
– visuelle Wahrnehmung. Es gibt keine Begrenzung, was von einem tieferen
Verständnis der anderen algorithmischen Schichten der Intelligenz
erreicht werden kann.
Wie wir dieses Ziel anstreben, sollten wir die Lektion beherzigen, dass
Fortschritt nicht von Ingenieuren und Wissenschaftlern aus Silos geführt
hat; Es ergab sich aus der Konvergenz von Technik und Wissenschaft. Weil
viele mögliche Algorithmen eine einlagige menschliche Intelligenz
erklären könnten, sind Ingenieure nach der sprichwörtlichen Nadel im
Heuhaufen suchen. Jedoch wenn Ingenieure bemühen Algorithmus-Gebäude und
Tests mit Entdeckungen und Messungen von Gehirn und kognitive
Wissenschaft führen, erhalten wir eine Kambrische Explosion in A.I.
Dieser Ansatz der Arbeit rückwärts aus Messungen des funktionierenden
Systems Engineer Modelle wie das System funktioniert nennt man
reverse-Engineering. Die Entdeckung der Funktionsweise des menschlichen
Gehirns in der Sprache der Ingenieure führt nicht nur transformative
A.I. zu Es leuchtet auch neue Ansätze zur Hilfe für diejenigen, die
Blind, taub, autistisch, schizophren, oder Lernbehinderungen oder
altersbedingten Gedächtnisverlust. Bewaffnet mit einer technischen
Beschreibung des Gehirns, sehen Wissenschaftler neue Wege, um zu
reparieren, zu erziehen und zu unserem eigenen Geist zu erweitern.
Das Rennen ist zu sehen, wenn reverse-Engineering eine schnellere und
sicherere Route zu echten A.I. als herkömmliche weiterhin, sogenannte
Forward engineering, das Gehirn ignoriert. Der Gewinner dieses Rennens
wird die Wirtschaft der Zukunft führen, und die Nation ist positioniert,
um diese Gelegenheit zu ergreifen. Aber dazu braucht die USA bedeutende
neue finanzielle Verpflichtungen aus Regierung, Philanthropie und
Industrie, die Unterstützung von neuen Teams von Wissenschaftlern und
Ingenieuren gewidmet sind. Darüber hinaus müssen Universitäten neue
Industrie-Universität-Partnership-Modelle erstellen. Schulen benötigen,
Gehirn und kognitive Wissenschaftler in Konstruktion und Berechnung,
trainieren trainieren Ingenieure im Gehirn und Kognitionswissenschaften,
und Mechanismen der beruflichen Aufstieg, die solche Teamarbeit belohnen
zu wahren. Um A.I. voraus, reverse engineering des Gehirns ist der
richtige Weg. Die Lösung befindet sich direkt hinter unseren Augen.
KABELGEBUNDENE Meinung * Stücke geschrieben von externen Autoren
veröffentlicht und stellt eine Vielzahl von Veranschaulichungen. *
https://www.wired.com/story/to-advance-artificial-intelligence-reverse-engineer-the-brain/
/