Können „gehirnähnliche“ Geräte, die das menschliche Gehirn imitieren, echte künstliche Intelligenz erreichen?

Am 24. August 2023 lud das Science Popularization China Starry Sky Forum mit dem Thema „Wo ist der Weg für allgemeine künstliche Intelligenz?“ vier Experten auf dem Gebiet der künstlichen Intelligenzforschung ein, um sich auf theoretische Paradigmen, Ziele, Implementierungsmethoden, Anwendungen usw. zu konzentrieren und darüber zu sprechen, wie sich die zukünftige allgemeine künstliche Intelligenztechnologie auf die gesamte menschliche Gesellschaft auswirken wird.

Professor Han Liqun , Professor an der Beijing Technology and Business University und Mitglied der Academy of Engineering and Technology for the Developing World, hielt eine Rede zum Thema „Ist gehirnähnliche Intelligenz ein effektiver Weg, um allgemeine künstliche Intelligenz zu erreichen? 》1. Suche nach einem „gehirnähnlichen“ Weg

1. Suche nach einem „gehirnähnlichen“ Ansatz

Heutzutage beschäftigen sich viele Menschen mit künstlicher Intelligenz und denken dabei ganz selbstverständlich daran , vom Gehirn zu lernen, es um Rat zu fragen und von ihm Inspiration, Erkenntnisse und Referenzen zu gewinnen.

Warum will jeder nach Wegen suchen, die dem Gehirn ähneln? Denn von allen bekannten biologischen Gruppen auf der Erde ist der Mensch das spirituellste aller Lebewesen. Wo ist also der Geist? Der Geist liegt im menschlichen Gehirn, das über das am weitesten entwickelte Gehirn verfügt.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Das Gehirn ist das höchste Produkt der Evolution unserer materiellen Welt. Bisher wurde noch kein biologisches Gehirn entdeckt, das es übertreffen kann. Daher sagen wir, dass das menschliche Gehirn auch das komplexeste Informationsverarbeitungssystem der Welt ist. Daher hoffen alle, insbesondere Experten auf dem Gebiet der künstlichen Intelligenz, sich vom menschlichen Gehirn inspirieren zu lassen, etwas zu finden, das erlernt und simuliert werden kann, und es als Prototyp zu verwenden.

Da jeder die Antwort im menschlichen Gehirn finden möchte, wollen wir zunächst kurz über das menschliche Gehirn sprechen. Aus der Perspektive der Informationsverarbeitung betrachtet, können wir das menschliche Gehirn als ein biologisches Informationsverarbeitungssystem betrachten.

Was ist seine biologische Grundlage? Tatsächlich besagen die Prinzipien der Biologie, Neurologie und Anatomie eindeutig, dass es sich um Neuronen handelt. Das Neuron im menschlichen Gehirn ist die Grundeinheit des Hirngewebes. Es ist zudem sowohl strukturell als auch funktionell die kleinste Einheit des Nervensystems.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Wie viele Neuronen hat unser menschliches Gehirn? Es muss gesagt werden, dass es massiv ist. Die Anzahl der Neuronen im menschlichen Gehirn liegt in der Größenordnung von Hunderten von Milliarden, also in der Größenordnung von 10 bis 10 Milliarden, und jedes Neuron ist mit jedem anderen Neuron verbunden.

Ein Neuron hat Zehntausende von Verbindungen mit anderen Neuronen, was in der Größenordnung von 103 bis 105 liegt. Dadurch entsteht ein extrem großes und komplexes biologisches neuronales Netzwerksystem. Die Verbindung zwischen den einzelnen Neuronen im System basiert auf Axonen und Dendriten.

Die Schnittstelle, an der Axon und Dendrit zusammentreffen, wird Synapse genannt. Dies ist der Ort, an dem Axon und Dendrit zusammentreffen. Wie groß ist die Anzahl der Synapsen? Ihre Größenordnung liegt zwischen 10 hoch 14 und 10 hoch 16, also zwischen einer Billion und einhundert Billionen. Wir gehen davon aus, dass sich Synapsen durch unterschiedliche Reize ständig verändern. Daher wird das Konzept dieses Teils der Synapse beim maschinellen Lernen häufig nachgeahmt und erhält häufig einen anderen Namen: Parameter (früher Neuronen genannt).

Wie wir alle wissen, wurde ursprünglich behauptet, dass ChatGPT3.0 über 175 Milliarden Parameter verfügt. Verglichen mit den Neuronen im menschlichen Gehirn liegen seine Parameter zwischen einer und einhundert Billionen, was im Vergleich zur überwiegenden Mehrheit winzig ist. Dies ist also seine biologische Grundlage. Um es in einem Satz zusammenzufassen: Da die synaptischen Verbindungsmethoden und Verbindungsstärken zwischen der großen Anzahl von Neuronen unterschiedlich sind und eine räumlich-zeitliche Plastizität aufweisen, ändern sie sich durch externe Reize ständig dynamisch. Aus einer Makroperspektive stellt das gesamte neuronale Netzwerk eine äußerst komplexe und sich ständig verändernde Fähigkeit zur Informationsverarbeitung dar, die wir als Intelligenz, insbesondere als fortgeschrittene Intelligenz oder kognitive Intelligenz bezeichnen. Aus diesem Grund möchten wir alle Antworten im menschlichen Gehirn und gehirnähnlichen Dingen finden, da diese eine biologische Grundlage haben und auf natürliche Weise durch künstliche Intelligenz nachgeahmt und inspiriert werden können.

2. Die Interpretation des Gehirns durch die Hirnforschung

In welchem ​​Umfang versteht die Neurowissenschaft heute das Gehirn? Welches Interpretationsniveau hat das Gehirn seines Gehirns erreicht? Auf der Mikroebene gab es gewisse Durchbrüche.

Wie wir alle wissen, sind Neuroanatomie und Histologie der Ausgangspunkt der Neurowissenschaften. Das Verständnis und die Analyse der Struktur des Nervensystems erfolgen hauptsächlich auf molekularer und zellulärer Ebene, und auf mikroskopischer Ebene wurden Durchbrüche erzielt. Also, wo liegt das Problem? Wir möchten den Mechanismus der kognitiven Fähigkeiten des menschlichen Gehirns, eines äußerst komplexen Systems, aufdecken und herausfinden, welche erweiterten Funktionen und neuronalen Mechanismen es hat. Wenn wir das Geheimnis lüften wollen, ist es offensichtlich unmöglich, sich ausschließlich auf Forschungsergebnisse auf molekularer und zellulärer Ebene zu verlassen. Es ist bei weitem nicht genug. Warum sagen wir das?

Wir wissen, dass viele Moleküle, nachdem sie Nervenzellen gebildet haben, keine Moleküle mehr im ursprünglichen Sinne sind. Mehrere Nervenzellen bilden neuronale Schaltkreise, die allerdings auch keine neuronalen Schaltkreise mehr im ursprünglichen Sinn sind. Dann bilden viele neuronale Schaltkreise komplexe neuronale Netzwerke und bilden sogar unser gesamtes biologisches Gehirn, das kein neuronaler Schaltkreis im ursprünglichen Sinne mehr ist. Daher müssen wir die Forschung auf mikroskopischer Ebene mit der Systemebene oder der makroskopischen Ebene kombinieren, um die kognitiven Funktionen des Gehirns, also die erweiterten Funktionen, zu untersuchen. Als nächstes werden wir uns mit der Interpretation des Gehirns durch die Hirnforschung befassen, welche Ergebnisse sie auf der Makroebene erzielt hat und ob sie unsere Forschung zur künstlichen Intelligenz unterstützen kann.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Auf lange Sicht betrachtet sind die Ergebnisse, die wir in den letzten Jahrzehnten auf Makroebene erzielt haben, tatsächlich sehr begrenzt. Wir kennen heute die Lage des Sprachbereichs im Gehirn und haben ein klareres Verständnis davon sowie von der histologischen Segmentierung der Gehirnbereiche. Einige Leute haben auch kartiert, welchen Körperteilen der motorische Kortex und der sensorische Kortex des Gehirns entsprechen, und eine Karte gezeichnet. Insbesondere in den letzten Jahren, mit der Entwicklung und weit verbreiteten Anwendung der funktionellen MRT-Bildgebungstechnologie, möchten einige Leute, die sich mit Gehirnwissenschaften beschäftigen, darunter auch einige, die sich mit künstlicher Intelligenz beschäftigen, hier Antworten finden . Ich habe beispielsweise viele Arbeiten gelesen, in denen Forscherteams lebende Organismen bestimmte, von ihnen festgelegte Aktivitäten ausführen lassen und dann beobachten, wie die auf der elektrischen Aktivität im Gehirn basierenden Blutflusssignale aussehen, weil diese Dinge mit der Magnetresonanztomographie (MRT) visualisiert werden können.

Dadurch können wir herausfinden, welche Gehirnbereiche an bestimmten Gehirnfunktionen beteiligt sein könnten. Wir verfügen diesbezüglich möglicherweise über ein gewisses Verständnis, aber ich denke, diese Ergebnisse, diese Interpretationen des Gehirns auf System- und Makroebene, reichen bei weitem nicht aus. Denn bisher ist unser Verständnis der Gehirnforschung darüber, wie neuronale Informationen Empfindungen, Wahrnehmungen, Emotionen, Denken, Bewusstsein, Sprache usw. erzeugen, also diese verschiedenen kognitiven Funktionen des Gehirns, nur halb verstanden und sehr oberflächlich. Bisher haben wir in dieser Hinsicht keine bahnbrechenden Ergebnisse gesehen.

Mit dieser Realität werden wir konfrontiert, wenn unsere künstliche Intelligenz vom Gehirn lernen möchte. Mit anderen Worten: Die Grenzen unseres derzeitigen Interpretationsniveaus der fortgeschrittenen Funktionen des Gehirns in der Neurowissenschaft sind sehr niedrig. Wie sollten wir angesichts dieser sehr niedrigen Obergrenze auf dem Weg zur gehirnähnlichen Nachahmung in der künstlichen Intelligenz vorgehen? Wie wird es durchgeführt? Ist das möglich? Welchen Weg soll ich gehen? Welche weiteren Ergebnisse wurden erzielt? Welche Arbeiten wurden durchgeführt?

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Ich möchte Ihnen mitteilen, dass in diesem Bereich noch viel Arbeit vorhanden ist. Die Menschen tun dies seit Jahrzehnten, seit den 1940er Jahren. Im Grunde haben sie aus verschiedenen Blickwinkeln im Gehirn nach Antworten gesucht. Ich denke, sie können grob in zwei Kategorien unterteilt werden: die populäreren wissenschaftlichen Methoden, die wir als „Soft Brain-like“ (weiches Gehirn) und die anderen als „Hard Brain-like“ (hartes Gehirn) bezeichnen.

3. Soft Brain-like: Gehirnähnliche Forschung basierend auf Modellen und Algorithmen

Was ist Soft Brain? Das bedeutet, dass wir Modelle und Algorithmen verwenden, um das Gehirn zu simulieren. Es handelt sich um eine sanfte Implementierung. Diese Methode und dieser Ansatz haben tatsächlich unterschiedliche spezifische Ansätze. Ich denke beispielsweise, dass es in zwei oder drei Ansätze unterteilt werden kann. Ein Ansatz gehört meiner Meinung nach zum bionischen Ansatz. Was wird imitiert?

Welcher Teil des gehirnähnlichen Systems, welche mikroskopische Struktur des gehirnähnlichen Systems und welche Ergebnisse der Gehirnforschung können genutzt werden? Wir konzentrieren uns auf die Nachahmung der Struktur und des neuronalen Mechanismus des biologischen Gehirns. Wir machen das seit vielen Jahren. Wir verwenden experimentelle Techniken, um dynamische biologische Daten des Hirngewebes zu erhalten, und verwenden dann Informationsverarbeitungstechnologie, um zu untersuchen, welche Art von neuronaler Basis und Informationsverarbeitungsmechanismus in diesen Datensequenzen enthalten sind. Anschließend geben wir auf der Grundlage dieser Erkenntnisse einige Interpretationen und Hypothesen zu einigen Gehirnmodellen. Das ist, was viele Leute tun.

Tatsächlich gab es in der Geschichte der Entwicklung künstlicher Intelligenz ursprünglich drei große akademische Schulen für diese Art der gehirnähnlichen Forschung und der gehirnimitierenden Forschung. Das aktuell bekannteste Modell ist das tiefe neuronale Netzwerk, das sich nach und nach aus vielen Modellen entwickelt hat. Jetzt handelt es sich um ein tiefes neuronales Netzwerk, also ein gehirnähnliches Modell.

Der zweite Ansatz, um gehirnähnliche Effekte zu erzielen, besteht in der Verwendung von Modellen und Algorithmen. Was imitiert es? Es ahmt die Funktion des menschlichen Gehirns nach, die als Imitationsfunktionspfad bezeichnet wird. Das menschliche Gehirn hat viele Funktionen. Welchen Teil imitiert es? Es ahmt die logische Denkfunktion des menschlichen Gehirns nach, da die logische Denkfunktion relativ einfach zu formalisieren ist. Wenn es formalisiert werden kann, kann es mithilfe von Algorithmen und Programmierung implementiert werden. Ob es sich um ein biologisches Gehirn oder eine traditionelle Computerarchitektur handelt, in dieser Denkschule sind Sie ein physisches Symbolsystem. Basierend auf dem Konzept des physikalischen Symbolsystems kann ich mithilfe von Computern die Funktion des Gehirns simulieren. Was Ihre Struktur betrifft, ist es mir egal, ob sie verbunden ist oder nicht. Ich schaue mir einfach deine Funktion an und trenne sie davon. Es untersucht und entwickelt verschiedene gehirnähnliche intelligente Informationssysteme. Frühe künstliche Intelligenzen übernahmen diesen Ansatz.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Es gibt eine Denkschule namens Symbolismus oder Funktionalismus, die in ihren Anfängen viele Erfolge vorweisen konnte und einst den Konnektionismus verdrängte. Wo ist jetzt sein Durchbruch? Was sind die neuen Ergebnisse? Tatsächlich glaube ich, dass der Wissensgraph, wenn wir ihn klassifizieren, als dieser gezählt werden kann. Früher war es ein Gegensatz zum Konnektionismus, heute verknüpft es Wissen und verwandelt es in einen Wissensgraphen, der ebenfalls eine Art ist.

In dieser hirnähnlichen Forschung auf Basis von Modellen und Algorithmen gibt es seit einigen Jahren einen relativ neuen Ansatz. Wir nennen es den Mind-Mimiking-Ansatz. Was imitiert es? Es ist die Erkenntnis des menschlichen Gehirns.

Was ist die Grundlage seiner theoretischen Grundlage? Es basiert auf der kognitiven Psychologie und wird durch einige Errungenschaften der kognitiven Psychologie zur Erforschung der mentalen Modellierung unterstützt. Auch das ist ein Weg. Wir haben bisher keine wirklich beeindruckenden Durchbruchsergebnisse gesehen, insbesondere keine Anwendungsergebnisse. Wir haben nicht viele von ihnen gesehen. Dies ist jedoch auch ein Weg. Seine kognitive Systemstruktur besteht darin, den Verstand nachzuahmen, den menschlichen Verstand nachzuahmen, was auch eine Methode ist. Ich denke, dass es letztendlich einer Modellierung bedarf. Obwohl die theoretische Unterstützung für die Modellierung unterschiedlich ist, erfordert alles eine Modellierung, dann die Erstellung einer Reihe von Algorithmen und schließlich die Implementierung, sodass es als Soft Brain klassifiziert wird.

4. Hard Brain-like: Gehirnähnliche Forschung basierend auf physikalischer Realisierung

Eine weitere Kategorie ist die auf physikalischer Erkenntnis basierende gehirnähnliche Forschung, die allgemein als „hard brain-like“ bezeichnet werden kann. Viele Forscher engagieren sich heute dafür, die Funktionsweise von Computern neuronaler zu gestalten. Was bedeutet das? Das heißt, ich gehe zuerst der Ähnlichkeit in der Form nach und betrachte dann die Ähnlichkeit im Geiste. **Diese Kategorie basiert auf der physischen Realisierung. Auch diese Art der gehirnähnlichen Forschung erfreut sich derzeit großer Beliebtheit. Man kann sagen, dass auf drei Ebenen Fortschritte erzielt wurden. Die drei Ebenen sind künstliche Synapsen, gehirnähnliche Chips und gehirnähnliche Netzwerke. Künstliche Synapsen sind hauptsächlich Geräte mit physikalischen Effekten, wie Memristoren, synaptische Transistoren usw. Lassen Sie uns ein Gerät verwenden, damit es jeder spüren kann. Das heißt, die Grundeinheit der Informationsverarbeitung in unserem menschlichen Gehirn, die ich Ihnen gerade erklärt habe, heißt Synapse. Was ist das einzigartigste Merkmal einer Synapse? Das heißt, es kann sowohl speichern als auch berechnen, was als Speicher- und Rechenintegration bezeichnet wird. Es ist nicht die CPU, die für die Berechnung zuständig ist, und kein Speicher, der für die Speicherung zuständig ist. Es handelt sich um eine Speicher- und Computerintegration. Dies ist seine größte Besonderheit und der größte Vorteil des menschlichen Gehirns gegenüber Computern im Hinblick auf den Mechanismus der Informationsverarbeitung.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Die Forscher fanden heraus, dass der Widerstand des Memristors mit der durch ihn fließenden Ladungsmenge, der Spannung und dem Strom zusammenhängt. Ändert sich die Ladungsmenge, ändert sich auch der Widerstand. Dies entspricht einer Berechnung, die wiederum der rechnerischen Verarbeitung von Informationen entspricht. Wo spiegelt sich die Erinnerung? Wenn die Stromversorgung abgeschaltet wird und keine Ladung durchfließt, kann sich der Memristor immer noch an die Ladungsmenge erinnern, die zuvor durch ihn geflossen ist. Es handelt sich um ein Gedächtnis, daher sind seine Eigenschaften denen einer Synapse sehr ähnlich. Wir können es uns also als eine elektronische Synapse vorstellen und es zur Integration von Speicher und Computer nutzen. Die anderen, die wir gerade gesehen haben, haben ähnliche Funktionen. Dies ist eine Ebene harter Gehirnarbeit, die darin besteht, künstliche Synapsen herzustellen.

Die nächste Stufe sind gehirnähnliche Chips. Wir wissen, dass es Probleme mit dem Energieverbrauch und der Rechenleistung der CPU gibt. Wie können wir den Energieverbrauch senken und die Rechenleistung verbessern?

Wir haben uns viele Wege und zwei Entwicklungspfade überlegt. Der Chip mit der Von-Neumann-Architektur ist Ihnen vielleicht besser bekannt. Es gibt noch drei weitere berühmte Chips. Wenn Sie nicht Elektronik studieren, ist Ihnen die Abkürzung möglicherweise nicht geläufig. Das sind die Chips. Ignorieren wir sie. Es gibt noch einen anderen Chiptyp, nämlich den sogenannten Chip mit gehirnähnlicher Architektur. Wir nennen es einen gehirnähnlichen Chip. Jetzt können Sie sehen, dass einige sehr bekannte internationale Hersteller ihre eigenen Produkte auf den Markt gebracht haben. Ich habe gesehen, dass die Zhejiang-Universität in unserem Land auch ein Produkt namens Darwin auf den Markt gebracht hat. Dies sind alles gehirnähnliche Chips. Was ist das Ziel gehirnähnlicher Chips? Ziel ist die Simulation der synaptischen Übertragungsstruktur des menschlichen Gehirns. Es ähnelt vollständig dem Gehirn. Er versucht, in Bezug auf die Chiparchitektur dem menschlichen Gehirn so nahe wie möglich zu kommen, daher wird er als gehirnähnlicher Chip bezeichnet.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Welche Eigenschaften haben gehirnähnliche Chips? In der gehirnähnlichen Chiparchitektur stecken viele Prozessoren. Diese Prozessoren entsprechen Neuronen, und das Kommunikationssystem zwischen diesen Prozessoren entspricht Nervenfasern wie Axonen und Dendriten. Insgesamt werden die Berechnungen jedes Neurons lokal verteilt durchgeführt. Dieses Modell ist bei der Verarbeitung großer Datenmengen, wie beispielsweise bei unserem gehirnähnlichen Chip, sehr vorteilhaft.

Wir sagen, dass harte, gehirnähnliche Systeme künstliche Synapsen von den Synapsen, von den Chips und dann vom gesamten Netzwerk imitieren. Dies geschieht natürlich noch immer auf konzeptioneller Ebene. Wir haben noch keine sehr guten Ergebnisse gesehen. Es liegt auf der konzeptionellen Ebene. In der akademischen Gemeinschaft mag es hierzu viele Meinungen geben. Welche sind die typischeren, die wir gefunden haben?

Man geht davon aus, dass die Architektur des Internets viele Ähnlichkeiten mit der Architektur des menschlichen Gehirns aufweist. Können wir das gesamte Internet als ein Gehirn betrachten? Dies basiert im Wesentlichen auf dieser Idee. Ein Team der Chinesischen Akademie der Wissenschaften drückte dies in seinem Artikel beispielsweise folgendermaßen aus: „Das Internet entwickelt sich in eine Richtung, die der des menschlichen Gehirns sehr ähnlich ist.“ Das menschliche Gehirn hat alle Internetfunktionen vor mindestens Zehntausenden von Jahren entwickelt. Das sich ständig weiterentwickelnde Internet wird Neurowissenschaftlern helfen, die Geheimnisse des Gehirns zu entschlüsseln. Dies ist ein sehr repräsentativer Standpunkt.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

An der University of Southern California gibt es einen Neurowissenschaftler. Er sagte, er habe den Routing-Mechanismus des Internets genutzt, um zu erklären, wie das Signal aus dem Gehirn der Maus den beschädigten Bereich umging, um den Zielbereich zu erreichen. Er führte ein solches Experiment durch und verwendete dann den Internetmechanismus, um es zu erklären. Er kam zu einem Ergebnis. Er glaubte , bewiesen zu haben, dass es im menschlichen Gehirn tatsächlich internetähnliche Anwendungen gibt. Er hat einige Experimente durchgeführt. Einige Professoren der University of California stellten fest, dass beispielsweise das Internet und soziale Netzwerke den neuronalen Netzwerken des Gehirns große Ähnlichkeit aufweisen. Auf der Grundlage dieses Verständnisses, das sich allerdings noch auf der konzeptionellen Ebene befindet, haben viele Unternehmen und Internetfirmen begonnen, Pläne zu schmieden. Im Jahr 2012, also vor 11 Jahren, startete Google das Google Brain-Projekt. Es ist das weltweit erste. Im Jahr 2014 schlug Baidu das Baidu Brain vor, iFlytek das iFlytek Super Brain und JD das JD Brain. Im Jahr 2017 schlugen sowohl Alibaba als auch Huawei das Gehirn bzw. urbane Nervensystem vor. Im Jahr 2018 schlugen plötzlich fünf oder sechs große Unternehmen verschiedene Gehirne vor, darunter auch das von der Stadtregierung von Shanghai vorgeschlagene City Brain. Das heißt, jeder hat das Gefühl, dass das Gehirn so komplex ist, dass es über so große Datenmengen und so komplexe Verbindungen verfügt. Sie haben das Gefühl, dass das Internet dem Gehirn sehr ähnlich ist oder dass das Gehirn dem Internet ebenfalls sehr ähnlich ist. Viele Menschen empfinden dieses Gefühl und ich glaube, dass viele Menschen dieses Konzept zwar vage, aber dennoch im Herzen tragen.

Gleichzeitig haben im Laufe der letzten zehn Jahre nationale Regierungen, internationale Organisationen und viele namhafte Unternehmen Pläne zur Hirnforschung vorgelegt. Darüber hinaus integrieren diese Gehirnforschungspläne Projekte der Gehirnforschung mit Projekten der künstlichen Intelligenz. Sie beruhen nicht ausschließlich auf der Perspektive der Gehirnneurowissenschaft. Dabei handelt es sich um die gehirnähnliche Wissenschaft und die Gehirnwissenschaft, die eigentlich zwei Disziplinen sind, die diese beiden Disziplinen integrieren. Es gibt viele solcher Forschungsvorhaben im Bereich der Gehirnforschung, viele davon genießen hohes Ansehen. Bisher wurden weltweit jedoch noch keine bahnbrechenden Ergebnisse bekannt gegeben. Diese Projekte sind jedoch im Gange. Ich glaube, dass alle versuchen, ein Gehirn oder ein gehirnähnliches Konzept zu schaffen, sei es aus der weichen oder harten Perspektive.

5. Grenzen der Forschung zur gehirnähnlichen Intelligenz

Meiner Meinung nach ist es für diejenigen, die sich mit künstlicher Intelligenz beschäftigen, zunächst wichtig, sich über die derzeitigen Grenzen des Forschungsansatzes der gehirnähnlichen Nachahmung im Klaren zu sein, unabhängig davon, ob der Forschungsansatz der gehirnähnlichen Nachahmung eine vielversprechende Zukunft hat und fortgesetzt werden kann. Was sind seine Grenzen?

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Bislang ist das Verständnis der Gehirnforschung für das Denken, die Wahrnehmung, die Entscheidungsfindung, das Lernen und andere fortgeschrittene kognitive Funktionen des menschlichen Gehirns noch weit davon entfernt, ausreichend zu sein. Daher wissen wir derzeit sehr wenig über die biologischen Mechanismen der Intelligenz des menschlichen Gehirns und die kognitive Obergrenze ist sehr niedrig. Wie führen wir in dieser Situation eine gehirnähnliche Nachahmung durch?

Wir können nur Teildurchbrüche erzielen, wie Blinde, die im Dunkeln tappen, also Stück für Stück, und sie dann schließlich integrieren und kombinieren. Es mag ein Sprichwort geben, dass die Kombination unzähliger relativer Wahrheiten der absoluten Wahrheit nahekommt, aber ich glaube nicht, dass es hier darum geht, es ist keine solche Frage.

Da unser Verständnis der kognitiven Funktionen des menschlichen Gehirns sehr begrenzt ist und wir nur über eine sehr geringe Obergrenze verfügen, haben Menschen aus allen Gesellschaftsschichten und Kräfte aus allen Richtungen ihr Bestes gegeben, um mit verschiedenen Ansätzen das Gehirn zu simulieren. Dabei kann es sich um die Nachahmung von Strukturen, Funktionen oder irgendetwas anderem handeln, und es kann eine Implementierung mit Modellalgorithmen oder Chips erfolgen. Dabei wurden alle möglichen Methoden eingesetzt. Das Ziel besteht darin, Intelligenz durch gehirnähnliche Technologien zu erreichen, doch alle diese Technologien weisen offensichtliche Einschränkungen auf.

Es besteht allgemeiner Konsens, und ich denke, es ist offensichtlich, dass es derzeit unmöglich ist, einen begrenzten Weg zu allgemeiner künstlicher Intelligenz zu finden. Wo liegt also die Spur zu unserem heutigen Thema, der allgemeinen künstlichen Intelligenz? Meine persönliche Meinung zur gehirnähnlichen Nachahmung ist, dass wir bei der Realisierung allgemeiner künstlicher Intelligenz nicht blind technische Wege wie die gehirnähnliche Nachahmung verfolgen können, da die Gehirnforschung nicht in der Lage ist, die fortgeschrittenen Funktionen des menschlichen Gehirns zu entschlüsseln.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Was machen Chinas Top-Experten auf dem Gebiet der künstlichen Intelligenz derzeit?

An Talenten zur Lösung von Engpassproblemen mangelt es uns nicht. Was uns am meisten fehlt, sind Talente und Wissenschaftler, die sich auf unbekanntes Terrain wagen, die selbstständig neue Wege beschreiten und neue Wettbewerbe leiten können.

Ich bin der Meinung, dass wir im Bereich der künstlichen Intelligenz, insbesondere der allgemeinen künstlichen Intelligenz, neue Wege beschreiten und neue Theorien und Richtungen entwickeln müssen. Ich denke, dass die Theorie der Mechanismusgenerierung und des intelligenten Generierungsmechanismus eine solche Rolle spielen können. Darüber hinaus mangelt es uns insbesondere an solchen grundlegenden theoretischen Neuerungen, die ursprünglich von den Chinesen geschaffen wurden.

Warum glaube ich, dass die Theorie des intelligenten Erzeugungsmechanismus das Potenzial hat, einen neuen Wettlauf um die allgemeine künstliche Intelligenz zu eröffnen? Ich habe festgestellt, dass es zwei offensichtliche Merkmale aufweist:

Der erste besteht darin, dass der Mechanismus der neuronalen Aktivität des menschlichen Gehirns nicht beteiligt ist und umgangen wird. Wir müssen nicht warten, bis die Hirnforscher dies vollständig verstanden haben, bevor wir ihre Erfolge nutzen, um technische Neuerungen umzusetzen und sie zu modellieren. Da es sich nicht um einen Mechanismus der intelligenten Erzeugung handelt, ist es von der schleppenden Entwicklung der Gehirnforschung nicht betroffen. Dies ist eine Funktion.

Das zweite Merkmal besteht darin, dass es sich um ein universelles Gesetz handelt, das aus verschiedenen intelligenten Entstehungsprozessen und langjähriger Praxis gewonnen wurde. Was ist ein universelles Gesetz? Es ist etwas Universelles. Es verfügt von Natur aus über universelle Eigenschaften und integriert nicht mehrere Methoden in ein Patchwork-Paket. Es wäre schwierig, so etwas wirklich allgemeingültig zu machen.

Planung und Produktion

Redakteur: Jin Yufen (Praktikant)