神经科学与人工智能(AI)在一起协作效果更好。AI 利用当前的脑研究来指导其工作。同样,神经科学家也使用 AI 工具来进一步了解大脑的工作原理。
这种强大的反馈循环呼唤着伟大的头脑加入其中。
在这两个领域的交界处有很多东西可以学习和探索。
你可以从许多专家那里学习。因此,我来了。
我与许多在神经科学与 AI 界交互领域工作的顶尖人才对话,或者那些有着如何将这两个领域连接起来的愿景的人交流。你将了解前沿的研究,关于大脑和 AI 的最新理论,并从专家那里亲耳听到他们的科学路径是如何将他们带到这个令人兴奋的领域的。
我们是否需要了解大脑的工作原理来开发优秀的 AI?如果需要,需要了解多少细节?
AI 能否铺平通向大脑功能的宏大理论的道路?或者至少帮助我们理解大脑的工作原理?
机器学习与动物学习有何不同?
机器思维与动物思维有何不同?
意识到底是什么?
如果你是神经科学家:
了解 AI 技术,例如机器学习、深度学习和神经网络,如何帮助你探索数据、生成假设、模拟我们大脑的工作原理。
如果你是 AI、机器学习或数据科学行业的专业人士:
了解神经科学的最新发现如何加强你的工作,改进你的算法,并激发你的下一个创业冒险。
如果你既不是神经科学家也不是 AI 专业人士,但对神经科学和 AI 的一切都感到好奇:
这也许是最好的。希望你喜欢这段旅程。
关于播客博主Paul Middlebrooks :
Paul Middlebrooks 作为神经科学家研究非人灵长类动物的视觉决策已有10余年。曾做过几年的技术员,花了4年获得博士学位,并作为博士后研究员工作了6年。
《Brain Inspired》系列播客节目标题:
特别节目
BI 100.2 特别节目:最大挑战与分歧是什么
BI 100.3 特别节目:现有技术能否扩展至通用人工智能
BI 100.4 特别节目:哪些想法在阻碍我们
BI 100.6 特别节目:我们是否有合适的词汇和概念
普通节目
BI 101 Steve Potter: 激励培养皿内外的脑
BI 102 Mark Humphries: 当一个尖峰是怎样的体验
BI 103 Randal Koene 和 Ken Hayworth: 通往心智上传的道路
BI 104 John Kounios 和 David Rosen: 创造力、专长、洞察力
BI 105 Sanjeev Arora: 偏离凸路径
BI 106 Jacqueline Gottlieb 和 Robert Wilson: 深度好奇
BI 107 Steve Fleming: 认识你自己
BI 108 Grace Lindsay: 心智模型
BI 109 Mark Bickhard: 互动主义
BI 110 Catherine Stinson 和 Jessica Thompson: 神经-人工智能解释
BI 111 Kevin Mitchell 和 Erik Hoel: 能动性、涌现性、意识
BI 112 Ali Mohebi 和 Ben Engelhard: 多种多样的多巴胺
BI 113 David Barack 和 John Krakauer: 认知的两种观点
BI 114 Mark Sprevak 和 Mazviita Chirimuuta: 计算与心智
BI 115 Steve Grossberg: 有意识的心智,共鸣的大脑
BI 116 Michael W. Cole: 经验神经网络
BI 117 Anil Seth: 成为你自己
BI 118 Johannes Jäger: 超越网络
BI 119 Henry Yin: 神经科学的危机
BI 120 James Fitzgerald, Andrew Saxe, Weinan Sun: 优化记忆
BI 121 Mac Shine: 系统神经生物学
BI 122 Kohitij Kar: 视觉智能
BI 123 Irina Rish: 连续学习
BI 124 Peter Robin Hiesinger: 自组装的大脑
BI 125 Doris Tsao, Tony Zador, Blake Richards: NAISys
BI 126 Randy Gallistel: 记忆痕迹在哪里
BI 127 Tomás Ryan: 记忆、本能与遗忘
BI 128 Hakwan Lau: 在意识中我们信任
BI 129 Patryk Laurent: 从真实世界中学习
BI 130 Eve Marder: 网络的调制
BI 131 Sri Ramaswamy 和 Jie Mei: 了解神经调节的深度神经网络
BI 132 Ila Fiete: 记忆的网格支架
BI 133 Ken Paller: 清醒梦、记忆与睡眠
BI 134 Mandyam Srinivasan: 蜜蜂的飞行与认知
BI 135 Elena Galea: 大脑之星
BI 136 Michel Bitbol 和 Alex Gomez-Marin: 现象学
BI 137 Brian Butterworth: 鱼会数数吗
BI 138 Matthew Larkum: 树突假说
BI 139 Marc Howard: 压缩的时间与记忆
BI 140 Jeff Schall: 决策与眼球运动
BI 141 Carina Curto: 从结构到动态
BI 142 Cameron Buckner: 新的 DoGMA
BI 143 Rodolphe Sepulchre: 混合反馈控制
BI 144 Emily M. Bender 和 Ev Fedorenko: 大型语言模型
BI 145 James Woodward: 有人性面孔的因果关系
BI 146 Lauren Ross: 因果与非因果解释
BI 147 Noah Hutton: 在硅片中
BI 148 Gaute Einevoll: 大脑模拟
BI 149 William B. Miller: 细胞智能
BI 150 Dan Nicholson: 机器、生命体、过程
BI 151 Steve Byrnes: 类脑通用人工智能的安全性
BI 152 Michael L. Anderson: 分离颅相学后的神经再利用
BI 153 Carolyn Dicey-Jennings: 注意力与自我
BI 154 Anne Collins: 使用工作记忆学习
BI 155 Luiz Pessoa: 纠缠的大脑
BI 156 Mariam Aly: 记忆、注意与感知
BI 157 Sarah Robins: 记忆哲学
BI 158 Paul Rosenbloom: 认知架构
BI 159 Chris Summerfield: 自然通用智能
BI 160 Ole Jensen: 认知节律
BI 161 Hugo Spiers: 导航与空间认知
BI 162 Earl K. Miller: 思想是涌现的属性
BI 163 Ellie Pavlick: 语言模型的心智
BI 164 Gary Lupyan: 语言如何影响思维
BI 165 Jeffrey Bowers: 心理学得不到尊重
BI 166 Nick Enfield: 语言与现实
BI 167 Panayiota Poirazi: 人工智能大脑需要树突
BI 168 Frauke Sandig 和 Eric Black w Alex Gomez-Marin: AWARE——意识的一瞥
BI 169 Andrea Martin: 神经动力学与语言
BI 170 Ali Mohebi: 开设研究实验室
BI 171 Mike Frank: 早期语言与认知
BI 172 David Glanzman: 一路到底的记忆
BI 173 Justin Wood: 视觉智能的起源
BI 174 Alicia Juarrero: 情境改变一切
BI 175 Kevin Mitchell: 自由代理
BI 176 David Poeppel: 回归
BI 177 特别节目:伯恩斯坦研讨会小组讨论
BI 178 Eric Shea-Brown: 神经动力学与维度
BI 179 Laura Gradowski: 包括边缘与多元化
BI 180 小组讨论:长期记忆编码与连接组解码
BI 181 Max Bennett: 智能的简史
BI 182 John Krakauer: 再次回归
BI 183 Dan Goodman: 神经计算
BI 184 Peter Stratton: 综合神经原理
BI 185 Eric Yttri: 编排行为
BI 186 Mazviita Chirimuuta: 抽象的大脑
BI 187 COSYNE 2024: 神经-人工智能小组
BI 188 Jolande Fooken: 协调行动与感知
NMA 系列
BI NMA 01: 机器学习小组
BI NMA 02: 动态系统小组
BI NMA 03: 随机过程小组
BI NMA 04: 深度学习基础小组
BI NMA 05: 自然语言处理与生成模型小组
BI NMA 06: 推进神经深度学习小组
ViDA 系列
BI ViDA 小组讨论:深度强化学习与多巴胺