解剖人工智能以更好地了解人脑
在自然界中，智能有多种形式。这可能是一只蝙蝠利用回声定位技术在黑暗中熟练地导航，或者是一只章鱼为了在深海中生存而迅速调整自己的行为。同样，在计算机科学领域，多种形式的人工智能正在出现——不同的网络都经过训练，在不同的任务中表现出色。正如今天在认知神经科学学会(CNS)第25届年会上所介绍的那样，认知神经科学家越来越多地利用这些新兴的人工网络来增强他们对最难以捉摸的智能系统之一——人脑的理解。
麻省理工学院的Aude Oliva说:“认知神经科学家和计算机科学家寻求答案的基本问题是相似的。”“他们有一个由组件组成的复杂系统，这就是所谓的神经元另一方面，它被称为单位，我们正在做实验，试图确定这些组成部分的计算结果。”
在Oliva在CNS研讨会上展示的工作中，神经科学家正在学习关于上下文线索在人类图像识别中的作用。通过使用“人工神经元”——本质上是代码行，软件——与神经网络模型，它们可以解析出识别特定地点或物体的各种元素。
“大脑是一个深刻而复杂的神经网络，”哥伦比亚大学的Nikolaus Kriegeskorte说，他主持了这次研讨会。“神经网络模型是大脑启发的模型，目前在许多人工智能应用中都是最先进的，比如计算机视觉。”
在最近一项对1000多万张图像的研究中，Oliva和同事教会了一个人工网络识别350个不同的地方，比如厨房、卧室、公园、客厅等。他们希望该网络能够学习物体，例如与卧室相关的床。他们没有想到的是，这个网络会学会识别人和动物，比如公园里的狗和客厅里的猫。
这台机器情报奥利瓦说，当给出大量数据时，程序学习得非常快，这就是为什么它们能够以如此高的水平解析上下文学习。虽然在这样的水平上解剖人类神经元是不可能的，但计算机模型执行类似的任务是完全透明的。的人工神经网络作为“微型大脑，可以被研究、改变、评估，并与人类神经网络给出的反应进行比较，因此认知神经科学家对真正的大脑如何运作有了某种草图。”
事实上，Kriegeskorte说，这些模型已经帮助神经科学家理解人们如何在眨眼间识别周围的物体。他说:“这涉及从视网膜发出的数百万个信号，这些信号扫过一系列神经元层，提取语义信息，例如我们正在看一个有几个人和一只狗的街景。”“目前的神经网络模型只能使用生物神经元可以执行的计算来执行这类任务。此外，这些神经网络模型可以在一定程度上预测大脑深处的神经元将如何对任何图像做出反应。”
利用计算机科学来理解人脑是一个相对较新的领域，由于计算速度和能力的进步，以及神经科学成像工具的发展，这个领域正在迅速扩大。克里格斯科特说，人工网络还不能复制人类的视觉能力，但通过模拟人类大脑，他们正在进一步理解认知和视觉能力人工智能．他说:“在神经科学、认知科学和人工智能的交叉领域工作，这是一个独特而令人兴奋的时刻。”
的确，奥利娃说;“人类认知和计算神经科学是一个快速发展的研究领域，人们对如何提高认知能力的知识也越来越多人类的大脑能够看到、听到、感觉、思考、记忆和预测是开发更好的诊断工具的必要条件大脑，并确保它发展良好。”
进一步探索
