深度神经网络的工作原理
2022年2月9日整理发布:人工智能最新进展的核心是人工神经网络(ANN),这是一种大致遵循人脑结构的人工智能软件。神经网络由人工神经元、执行简单数学函数的微小计算单元组成。
人工神经元单独用处不大。但是,当您将它们分层堆叠时,它们可以执行非凡的任务,例如检测图像中的对象并将语音音频转换为文本。深度神经网络可以包含数亿个神经元,分布在数十层中。
在训练深度学习算法时,开发人员通过神经网络运行许多示例以及预期结果。AI 模型会在审查越来越多的数据时调整每个人工神经元。逐渐地,它在其设计的特定任务上变得更加准确,例如检测幻灯片中的癌症或标记欺诈性银行交易。
神经形态计算和通用人工智能 (AGI)
在Nature上发表的一篇论文中,创建天机芯片的 AI 研究人员观察到,他们的工作可以帮助我们更接近人工智能 (AGI)。AGI 应该复制人脑的能力。当前的人工智能技术很狭窄:它们可以解决特定的问题,并且不善于概括他们的知识。
例如,为玩星际争霸 II 等游戏而设计的 AI 模型在引入另一款游戏(例如 Dota 2)时将束手无策。这将需要完全不同的 AI 算法。
据天机设计师介绍,他们的人工智能芯片能够在一个设备中解决多个问题,包括物体检测、语音识别、导航和避障。
但是,虽然神经形态芯片可能会让我们更接近模拟人脑,但我们还有很长的路要走。通用人工智能不仅仅需要将几个狭窄的 AI 模型捆绑在一起。
人工神经网络的核心是统计机器,而统计无法帮助解决需要推理、理解和一般问题解决的问题。示例包括自然语言理解和导航开放世界。
创建更高效?的人工神经网络硬件并不能解决这些问题。但也许拥有看起来更像我们大脑的人工智能芯片将为理解和创造智能开辟新途径。