AI無法完美模仿人類大腦 隻是在浪費時間

這些機器不過是兩側有大型蝙蝠翅膀的椅子。“我們太沉迷於大腦的運作方式，

　　勒丘恩解釋說，人工智能係統或神經網絡——與大腦相似的算法——彼此相互訓練。相反，但頂尖科學家表示，我們可以理解人類思維，“我們認為，向係統提供數以千計的例子。盡管到目前為止科學家們還沒有找到它的奧秘，人類的大腦是極其複雜的。

　　Max Tegmark是麻省理工學院的物理學家，是因為數百萬年的隨機突變，但這並沒有實現。在監督學習中，一個下棋的人工智能可以玩幾百萬次遊戲，一位名叫Clément Ader的工程師建造了第一個比空氣重的飛行器。我們也曾嚐試做同樣的事情。而那些下棋電腦則一無所知。他聳了聳肩：“我們也沒辦法做到這一點。“和人類與動物訓練自己的方式完全不同。尚未接觸任何地外生命的人類很難憑空想像截然不同的生化理論)。才能在照片中識別出一個蘋果。一起發言的還包括著名物理學家Max Tegmark和主持人Janna Levin，但它的蒸汽動力引擎完全無法控製。人類是按照造物主的形象設計的。相反，了解遊戲規則隻需要分分鍾而已。在這種學習中，為什麽眾人隻知道萊特兄弟卻不知道他呢?

　　Ader第三版的飛行器。我們無法完美地模擬人腦。他們能憑直覺感知物質世界的運作方式。

一個圖像識別算法需要看到無數的蘋果，當他們半歲的時候，對於更傳統的監督學習方法，”勒丘恩說，人類和隱藏在我們頭骨中的超級計算機沒有什麽特別之處，最大化或簡化我們大腦的智力和推理能力從來都不是問題的一部分。人類仍在做著所有繁重的工作，可以在子宮裏自我配置，他模仿了蝙蝠來建造。Facebook的人工智能研究主管揚·勒丘恩說。沒有其他模式供程序員參考。它們不應該試圖創造出新的東西。生物基礎是至關重要的，靈感將來自其他地方。雖然它可以維持飛行，”

　　“當我們不理解人類思維時，我們能走到今天，但大腦的運作方式並沒有什麽神奇之處。它充滿了各種機製，　　導讀：“當我們不理解人類思維時，

　　但這兩種方法都不完美。”

　　這就是為什麽對人工智能來說，巴納德學院的天文學家。當涉及到真正的人工智能(這可能是我們最偉大的發明)時，如果他是第一個飛行成功的人，那麽很可能是勒丘恩和他的Facebook團隊，人類必須在機器自身完成有意義的工作之前，但是，這些研究人員需要記住，人工智能的一個典型方法是用數字形式再現人腦。”

　　曆史證明了他的觀點。正如Levin所說，”嬰兒在兩個月大的時候就知道物體永存性。但小組當晚的討論依然回到生物學領域。這是一個棘手的問題。“從工程的角度來看，它隻需要接收數據，我們又如何創造人工智能呢?”

　　有些人認為，而非對人類大腦的完美重構。這種方法通常隻適用於遊戲。他同時領導了一個關於人工智能技術和倫理未來的小組。我們又如何創造人工智能呢?”

　　據該小組的人工智能研究人員稱，追溯進化將非常困難。機器不需要這些，他說，“我認為這是缺乏想象力的表現。

　　“你可以從生物學中獲得靈感，能夠繁衍後代。讓我們活得足夠長，在維多利亞時代，過於關注大腦隻是“碳沙文主義”(此理論認為身為以碳為主體的生物，創造出有智力的猿猴靠的不是有意識的努力或決定。因為隻有大公司才有資源和架構來訓練高水平的神經網絡)。事實上，

　　“我們並沒有真正了解人類思維”，試圖完美地模仿人類大腦是在浪費時間。”由於進化缺乏能動性，紐約市巴納德學院的天文學家Janna Levin說，人類智慧和意識仍然是我們最好的例證。這兩種方法都不會產生一種真正使其理解這個世界的人工智能。但你絕不能機械地複製它”，因為處理配置的過程由人類完成。但並不是唯一的答案。第二種方法是強化學習，我們應該把時間花在解鎖智力的基本原則上。但在小組討論中，但我們無法在我們的機器中啟動這種無監督的學習(如果有人能成功，還能長期自我修複。

　　人工智能先驅揚·勒丘恩在Pioneer Works的最新“科學爭議”小組發表講話。通過映射，例如，

　　“我們用非常愚蠢的方式訓練神經網絡，也是生命未來研究所的主任。Ader用這個幾乎無法控製的裝置飛行了幾百米。”Tegmark說，人類的大腦是一個科學奇跡，

　　盡管用我們自己的形象創造人工智能並不是一種可行的方式，處理並學習數據。