教学计算机要学习我们所做的方式被广泛认为是更好的人工智能的重要一步,但难以实现我们思考的良好理解。考虑到这一前提,周三推出了一个新的1200万美元,旨在“逆向工程师”人类大脑。
由Carnegie Mellon University Computer Scients系的教授领导,泰晤士报和认知的神经科学中心(CNBC),为五年的项目寻求解锁神经电路和大脑的学习方法的秘密。最终,目标是改进神经网络,计算模型通常用于A.I.在包括自动驾驶汽车,自动交易和面部和语音识别的应用中。
“今天”的神经网络使用算法基本上在20世纪80年代初开发的算法,“李说。“强大的,他们仍然是人类脑用过的近似和效率或强大。”
电脑可能需要显示成千上万标记的示例,以便例如学习识别对象,例如,虽然人类只需要少数。
试图为什么这样的原因将使用称为双光子钙成像显微镜的技术。研究人员将在处理视觉信息时记录小鼠中成千上万的磷酸神经元的信号传导。
“通过掺入分子传感器来监测神经活动与复杂的光学方法的组合,现在可以同时跟踪大多数,如果不是全部,如果不是全部,那么脑区内的神经元的神经动力学,”助理教授桑德拉库尔曼团队成员Carnegie Mellon和CNBC的生物科学。
她补充说,将产生一个大规模的数据集,提供了神经元在视觉皮层的一个区域中的内容。
该项目由Intelligence Advanced Research项目的资助(IARPA)通过其机器智能从皮质网络(Microns)研究计划中,该研究计划正在努力推进奥巴马总统的大脑倡议。
CMU-LED团队将与其他相关项目合作,并在世界各地的研究小组公开提供多个庞大的数据库。
“希望这一知识将导致开发新一代机器学习算法,这些算法将允许AI机器在没有监督的情况下学习,并且来自一些人类智力的标志的示例,”李说。
另一个在哈佛最近推出的另一个IARPA资助项目股份了类似的目标。
版权及免责声明:凡本网所属版权作品,转载时须获得授权并注明来源“科技金融网”,违者本网将保留追究其相关法律责任的权力。凡转载文章,不代表本网观点和立场,如有侵权,请联系我们删除。