Nachricht

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Jeder Herausgeber: Du Yu

Laut Science and Technology Daily bedeutet die künstliche Intelligenz zwar den Menschen in einigen Aspekten übertroffen, das heißt aber nicht, dass sie wirklich intelligent ist. Im Gegenteil, oft ist es „albern und naiv“ und muss noch „Lektionen“ vom menschlichen Gehirn lernen.Am 16. August veröffentlichte „Nature Computational Science“ online einen wichtigen Fortschritt auf dem Gebiet des gehirninspirierten Computings. Basierend auf den komplexen dynamischen Eigenschaften von Gehirnneuronen schlug das Team der Forscher Li Guoqi und Xu Bo vom Institut für Automatisierung der Chinesischen Akademie der Wissenschaften zusammen mit Forschern der Tsinghua-Universität und der Peking-Universität eine Methode zum Aufbau eines neuen Gehirns vor. wie ein Neuronenmodell.

„Dieses Forschungsergebnis löst das Problem des erhöhten Rechenressourcenverbrauchs, der durch die Ausweitung traditioneller Modelle verursacht wird, und liefert ein neues Argument für den effektiven Einsatz der Neurowissenschaften zur Entwicklung künstlicher Intelligenz“, sagte Li Guoqi, Mitautor des Papiers.

Noch wichtiger ist, dass das Modell die Rechenressourcen effizienter nutzt und gleichzeitig den Speicherverbrauch und die Rechenzeit erheblich reduziert, wodurch die Gesamtleistung der Rechenleistung verbessert wird.

Li Guoqi sagte, dass diese Forschung neue Methoden und theoretische Unterstützung für die Integration der komplexen dynamischen Eigenschaften der Neurowissenschaften in die künstliche Intelligenz liefert, eine Brücke zwischen künstlicher Intelligenz und Neurowissenschaften schlägt und auch Einblicke in die Optimierung und Optimierung von Modellen der künstlichen Intelligenz in praktischen Anwendungen liefert. Leistungsverbesserungen bieten praktikable Lösungen.

Laut der Nachrichtenagentur XinhuaGehirnähnliche Intelligenz wird auch als neuromorphes Computing bezeichnet, die es Computersoftware und -hardware ermöglicht, Informationen effizient zu verarbeiten, indem sie die Funktionsweise des menschlichen Gehirns nachahmt. Im Vergleich zu künstlicher Intelligenz im herkömmlichen Sinne zeichnet sie sich durch einen geringen Stromverbrauch und eine hohe Rechenleistung aus.

Neurowissenschaftliche Forschungen haben herausgefunden, dass die Einstellbarkeit der Stärke synaptischer Verbindungen zwischen Neuronen eine der Grundlagen des Gehirnlernens und der Gedächtnisfunktionen ist. Veränderungen in der Stärke synaptischer Verbindungen, die durch vergangene Erfahrungen verursacht werden, können Auswirkungen auf die Gehirnfunktion haben.

Veränderungen in der Stärke synaptischer Verbindungen, auch synaptische Plastizität genannt, können die Aktivität von Neuronen verstärken oder hemmen, und ihre Dauer kann einen weiten Bereich von Millisekunden bis hin zu Stunden, Tagen oder sogar länger umfassen.

Laut Guangming Daily können wir die Arbeit des Gehirns besser verstehen und simulieren, wenn wir aus dem Prinzip der synaptischen Plastizität lernen, es mit Mitteln nachahmen und realisieren, künstliche Synapsen ähnlich den Synapsen bauen und dann ein System weiterentwickeln können . Methode zur weiteren Förderung der übergreifenden Entwicklung von Informatik und Neurowissenschaften und zur Verwirklichung gehirnähnlicher Datenverarbeitung.

„Das menschliche Gehirn ist das komplexeste Informationsverarbeitungssystem, das bisher entdeckt wurde, und seine Einfachheit und Effizienz sind beispiellos. Experten auf dem Gebiet der künstlichen Intelligenz stellen sich daher vor, ob auf der Grundlage des Gehirns eine leistungsfähigere künstliche Intelligenz entwickelt werden kann.“ -ähnliche Intelligenz Wu Jingzhu, Professor an der School of Computer and Artificial Intelligence der Beijing Technology and Business University, sagte zuvor einem Reporter von Science and Technology Daily.

Im Jahr 1956 schlugen Wissenschaftler auf der Dartmouth-Konferenz, auf der Informatikexperten zusammenkamen, vor, dass es möglich sein könnte, sich auf die beiden grundlegenden Bereiche der Gehirnneurowissenschaft und der Kognitionswissenschaft zu stützen, um einen multidisziplinären kollaborativen Arbeitsmechanismus zu etablieren, um ein System zu entwickeln, das dies erreicht oder sogar übertrifft des Menschen. Niveau der künstlichen Intelligenz.

Wu Jingzhu betonte, dass die Hirnforschung und die Kognitionswissenschaft die wichtigsten Grundlagendisziplinen für die Entwicklung gehirnähnlicher Intelligenz seien. In den letzten Jahren wurde mit der Entwicklung bildgebender Technologien wie der funktionellen Magnetresonanztomographie das menschliche Verständnis des Gehirns erheblich verbessert, was die notwendigen Voraussetzungen für die Entwicklung von Computersoftware und -hardware nach dem Vorbild des Gehirns schafft.

Han Liqun, Professor an der Beijing Technology and Business University und Akademiker der Academy of Engineering and Technology in the Developing World, glaubt, dass der Weg zur Erlangung einer gehirnähnlichen Intelligenz, vereinfacht gesagt, grob in zwei Kategorien unterteilt werden kann: weiche Gehirn- ähnlich und harthirnartig. Wu Jingzhu erklärte, dass der Hauptunterschied zwischen den beiden darin besteht, dass sich ersteres auf Algorithmen konzentriert, während sich letzteres auf Hardware konzentriert. Obwohl die Wege unterschiedlich sind, ergänzen sich beide insgesamt.

Die harte gehirnähnliche Technologie konzentriert sich hauptsächlich auf die Suche nach Durchbrüchen bei Hardwarematerialien. Durch die Entwicklung neuromorpher Chips (z. B. gehirnähnlicher Chips) basiert sie auf Bioelektronik, neuromorpher Technik und anderen Disziplinen, um biologische Neuronen und sogar das gesamte Gehirn zu simulieren .Han Liqun sagte, dass der Weg, den harte Köpfe einschlagen, darin bestehe, „zuerst physische Ähnlichkeit anzustreben und dann spirituelle Ähnlichkeit in Betracht zu ziehen“. In einem idealen gehirnähnlichen Chip gibt es viele Prozessoren, die Neuronen entsprechen. Das Kommunikationssystem zwischen diesen Prozessoren entspricht Nervenfasern, und es können auch Strukturen wie Synapsen simuliert werden.

In der Branche haben Baidu, iFlytek, Alibaba, Huawei und andere Unternehmen in den letzten Jahren einige Konzepte im Zusammenhang mit gehirninspirierten intelligenten Anwendungen vorgeschlagen. Mit dem Fortschritt der gehirninspirierten wissenschaftlichen Forschung entwickelt sich „elektronisches Gehirn“ von einem wörtlichen Konzept in Bewegung bis hin zu realen Anwendungen.

Es wird davon ausgegangen, dass der offiziell in Betrieb genommene gehirnähnliche Computer „Wentian I“ eine Intelligenzskala von 500 Millionen Neuronen und 250 Milliarden Synapsen aufweist. In Bezug auf die Anzahl der Neuronen und die Größe liegt er weltweit an zweiter Stelle Synapsen und ist zehnmal energieeffizienter als bestehende Computersysteme. Auf der Ergebniskonferenz erklärte das „Wentian“-Team für gehirninspirierte Supercomputer, dass es weiterhin eine neue Generation von gehirninspirierten Computern entwickeln, die Chiparchitektur und das Softwaresystem-Framework für gehirninspirierte Computer weiter innovieren und ein gehirninspiriertes Computersystem schaffen werde Computerplattform, die die zukünftige Entwicklung vorantreiben wird.

Tägliche Wirtschaftsnachrichten integriert mit Xinhua News Agency, Science and Technology Daily, Guangming.com

Tägliche Wirtschaftsnachrichten