一项名为“千脑计划”(Thousand Brains Project)的宏伟新计划正式启动,其目标是开发一种全新的人工智能框架。加州人工智能公司 Numenta 的联合创始人,同时也是这项项目的负责人Jeff Hawkins 表示,该框架将按照与人脑相同的原理运行,但与当今主导人工智能的深度神经网络的原理有着根本的不同。在盖茨基金会的资助下,这项开源计划旨在与电子公司、政府机构和大学研究人员合作,探索其新平台的潜在应用。
千脑计划的核心概念是基于一种被称为“理论的神经簇”(theory of neural cliques)的假设,即大脑中的信息处理不是由单个神经元或大块脑组织完成的,而是由分散在脑中的小型神经元群体(神经簇)协作完成的。这些神经簇在不同的脑区形成复杂的网络,共同工作以处理各种认知任务。
目前,深度神经网络在许多测试中的表现与人类相当或超过人类,例如识别皮肤癌和玩复杂游戏,但它们受到许多问题的困扰。例如,随着规模和能力的增长,它们变得越来越耗能。为了克服这些挑战,「千脑计划」旨在通过逆向工程大脑皮层来开发一个新的人工智能平台,大脑皮层约占人类大脑质量的 80%。“今天的神经网络是基于 80 年前的基础神经科学。从那时起,我们学到了很多关于神经科学的知识,我们希望利用这些知识来推动人工智能的发展。” Hawkins 说。
“千脑计划”的目标
“千脑计划”的名称灵感来自大脑皮层的结构;它由数千个所谓的皮质柱组成,每个皮质柱又分为多层神经元。Hawkins 说:“人类大脑有大约 150,000 个皮质柱,每个皮质柱本质上都是自己的学习机器。”该项目旨在通过许多皮质柱状单元在人工智能中模拟这种神经科学结构,每个单元都可以执行感觉运动任务,例如操作机器人手指。然后,这些单元可以使用类似于大脑皮层中的长距离连接的链接相互通信。Hawkins 认为,这种模块化结构将使他的方法易于扩展。
Numenta 研究人员认为,深度网络本质上会生成一个单一的世界模型,逐步处理从简单特征到复杂对象的数据。相比之下,该公司的「千脑智能理论」提出,大脑的许多皮质柱会生成多个世界地图,就好像每个人的大脑实际上是数千个大脑同时并行工作一样。
“人类大脑在进化过程中通过多次复制皮质柱而迅速变大,我们希望我们也能做到这一点。”Hawkins 说。
“感觉运动学习”的作用
该项目还基于大脑皮层在感觉运动学习中的作用。虽然深度神经网络目前从巨大的静态数据库中学习,但大脑皮层以动态方式学习:它使用感官感知周围环境,利用身体运动探索事物的运作方式,并从这种感觉和运动反馈中构建世界模型。
Hawkins 认为,人工智能策略之间的这种差异是深刻的。创建和标记深度网络学习所需的数据集是一项成本高昂且费力的工作,而且这些系统无法从新数据中持续学习;相反,它们必须在整个数据库上重新训练。相比之下,大脑皮层能够以主动的方式学习,并能快速适应新数据。
“我们可以制造出在感觉运动学习方面像大脑皮层一样工作的机器,它们本质上就是机器人”Hawkins 说,“我认为我们的工作不仅关乎人工智能的未来,也关乎机器人技术的未来。”
此外,该项目正在开发基于大脑皮层对参考框架依赖的人工智能。在哺乳动物的大脑中,所谓的位置细胞有助于编码位置记忆,网格细胞有助于绘制空间中的位置。大脑皮层使用这些参考框架来存储和理解它接收到的持续不断的感觉运动数据流。
“大脑构建数据的方式——在二维和三维参考框架中——复制了现实世界中物体的结构” Hawkins 说,“当你观察深度网络时,它们并不从根本上理解世界,这就是为什么如果你只是改变图像的一个微小特征,它们往往无法识别它。相比之下,参考框架可以帮助大脑理解其物体模型在不同条件下可能会如何变化。”
Hawkins 说,这种新人工智能平台的潜在应用可能包括复杂的计算机视觉系统,该系统可以使用多个摄像头来了解场景中发生的事情,或者先进的触摸系统来帮助机器人操纵物体。
开源的“千脑计划”正在开发一个软件开发工具包,这样其他人就可以在它的基础上进行开发,该计划还承诺不主张其与“千脑”方法相关的专利。
高性价比GPU算力:https://www.ucloud.cn/site/active/gpu.html?ytag=gpu_wenzhang_0621_shemei