世界上最复杂的计算机是人类的大脑。这块由脂肪、水、蛋白质、碳水化合物、盐和神经元组成的聚合物比任何迄今为止的人工智能系统都更复杂。了解它的工作原理，可能是解锁下一代人工智能的关键。
世界人工智能戛纳节的专家似乎也这样认为。他们称之为神经人工智能的概念指的是我们的大脑如何从例子和先前的经验中学习，这可能比仅仅用不断增加的数据来训练AI任务更先进。
鲁尔大学博鲁姆研究领导特里斯坦·斯特伯（Tristan Stöber）引用了小马的例子，他们出生几个小时后就可以行走。
想象一下，有一种类似神经形态学的硬件，可以直接将神经网络集成到设备上，模仿大脑的潜在活动。
斯特伯解释说：“你有异步计算。这不像神经网络，对于每个时间步骤，每个时钟步骤，你同时计算所有神经元的活动。但是你基本上是在整合信息，只有当它达到一定阈值时，它才会发送电脉冲步进。这意味着当没有有趣的东西时，几乎不会消耗任何能量。”
他提出这样的系统可以用于为更像科幻小说中所见的机器人提供动力，从而使AI可以更好地理解周围的世界，这是当前的ai系统缺乏的能力。
从气球到飞机
谷歌DeepMind研究主管迪利普·乔治（Dileep George）提出了神经人工智能作为不断扩展系统以改进它们的替代方法。
谷歌DeepMind的研究主管Dileep George
乔治将这个概念比作早期飞行器 – 20世纪20年代和30年代的大多数航空研发都集中在无休止地扩展的气球上。但是在1937年的亨登堡空难之后，飞机成为焦点。
DeepMind研究主管表示，神经人工智能可以成为AI的飞机，并且研究人员不应满足于仅仅扩展系统。
今天的大型语言模型大多是在语言令牌上训练的。根据乔治的说法，这还不够，因为他主张通过心理模拟来为模型提供基础，以教会它们如何执行任务。
“语言只是控制心理模拟的一种方式，”他说，即使人类没有语言，他们的经验也足以为他们提供信息以采取行动。“单独的句子是没有意义的。语言可以像气球一样伪造。”
芯片上的突触
实现类似大脑的人工智能还有很长的路要走，需要更多的研究。目前已经取得了一些突破，比如IBM的NorthPole芯片，它们旨在模仿人脑处理信息的方式。
苏黎世大学和苏黎世联邦理工学院的Giacomo Indiveri教授
在世界人工智能戛纳节上展示的一个突破是突触电路的概念。苏黎世大学和苏黎世联邦理工学院的吉亚科莫·因迪韦里（Giacomo Indiveri）教授展示了在芯片上重新创建大脑突触电路的思路。
因迪韦里解释说，可以使用晶体管重新创建这些简单电路，并将它们放置在芯片上以创建神经形态处理器。
这些处理器设计用于使用少量功率，延迟较低且更紧凑。因迪韦里说，目前无人机已经在使用这些处理器。
但是，如果你想扩大这样的处理器，情况就会变得困难。因迪韦里解释说，要扩展神经形态处理器，你将需要更大面积的芯片。但是这样的系统精度较低。
如果今天能够在小规模芯片上构建类似突触的结构，通过不停的迭代，大脑的奥秘可能会使AI的发展进入下一个阶段。
名词解释：Neuro AI，即神经人工智能，是神经科学和人工智能的交叉领域。这一新兴领域的基础观念是，对神经计算的更深入理解将有助于推动人工智能的进一步发展。从历史上看，神经科学一直是AI进步的关键驱动力和灵感来源，尤其是人工智能更擅长的领域，如视觉、基于奖励的学习、与物理世界的互动以及语言方面等。
Neuro AI的研究和发展对于人工智能的未来至关重要。当前的人工智能虽然在某些特定任务上表现出色，例如在国际象棋和围棋等游戏中可以轻松击败人类对手，但在面对新事物时，其稳健性仍显不足。为了实现人工智能的全面发展，并使其具备类似人类的能力，我们需要对NeuroAI进行深入研究。
此外，Neuro AI还面临着一些挑战，其中最具代表性的是“具身图灵测试”。这个测试旨在评估人工智能系统在与世界互动、行为灵活性以及能量效率等方面的表现。为了应对这些挑战，我们需要从多个方面入手，包括培养具备神经科学和人工智能知识的新一代研究人员、创建能够开发和测试虚拟智能体的共享平台，以及支持神经计算的基础理论和实验研究。
发布者：ai发烧友，转转请注明出处：http://www.ouzou.cn/ai-jishu/4305.html
