这个简单算法也许可以让人工智能真正像人一样思考



不得不说,虽然人工智能这词里面既有人工又有智能,但是它跟人体最复杂的器官——人脑差得还有点远。但是根据最近发表在《Frontiers in Systems Neuroscience》的一篇论文,如果其发现属实的话,人类似乎离开发出类似人脑思维的AI不远了。这篇论文的题目叫做“脑计算是通过2的幂次方排列逻辑组织的(Brain Computation Is Organized via Power-of-Two-Based Permutation Logic)”,论文作者认为这个基础算法就是人类智能的引擎。值得注意的是,论文作者多为华人,其中就包括著名的生物学家与神经学家钱卓。

钱卓是是国际著名的神经生物学与分子生物学家,其创造基因工程小鼠进行学习记忆研究的“聪明鼠”项目曾经在学术界引起轰动。据钱卓介绍,该算法可见于连通性理论(钱卓是去年提出这一解释大脑运作机制理论的),属于相当简单的数理逻辑,它构成了我们负责的脑计算的基础。简单来说,这个理论解释了我们是如何获取知识,以及如何概括知识并从中得出结论的,这个过程相当于数十亿神经元的排列与组合。论文提供的证据表明,人类的大脑也许就是按照一个出奇简单的数理逻辑运作的。

连通性理论描述了类似神经元组是如何形成复杂度团(群组数量)来处理信息的基本思想的。这些神经元祖会集群为功能连通图(FCM),后者则用来处理每一个可能的想法组合。想法越复杂,牵涉到的团就越多。

当然,这只是理论猜想。为了对这一理论进行测试,钱卓的团队监控记录了算法在7个不同的大脑区域是如何运作的,这些区域每一个都涉及到老鼠和仓鼠对食物、恐惧等的原始反应。算法表示的是一个功能连通图所需的团数N,研究表明N=2的i次方-1。

 

细胞群的归纳与计算逻辑。公式定义的是细胞结群的大小,即该细胞集群内部的神经团数量。

研究人员通过提供饼干、小球、牛奶、大米等4种不同的食物组合来监听受试老鼠的大脑反应,最后他们得出了15种独特反应的组合(N=2的i次方-1,i表示输入,这里就是食物,N就是神经团数量),正好符合了连通性理论的预测。而且这些反应似乎都是大脑预先编排好的——在提供食物给老鼠后,这些反应就会自然出现,而一旦刺激物没有之后又会消失。

当然,这个发现的潜在意义更主要是指AI上面。想想看,如果人脑智能无论复杂度如何都能用这个简单算法表示的话,一旦运用到人工智能的神经网络上,AI是不是就可以模仿人的思维了呢?细思极恐啊。

上图秒懂,以前我做程序开发,写表单验证,比如有4个栏位(实际很多的),也就是用户填表时可能会出4个错误分别对应i1、i2、i3、i4其错误值分别定义为1、2、4、8,然后收集用户制造的错误值求和(这会组合成15种可能组合),最后根据和的二进制数值来准确提示用户出了哪几个具体错误。

按照和排序更合逻辑

图的意思是15个神经元才能处理好4种外界条件(状况)?15个神经元应付4个输入?

比如上面讨论一大套,我要落到实用上:假设有4种技术指标能决定买入股票的操作,那么至少需要写多少条规则来进行逻辑判断?答案是15条规则(1条规则对应1个神经细胞)


0