神经科学打开了人工智能的黑盒子

2020/6/9 10:04:07 来源：互联网

Dr.-Ing教授。Sebastian Stober将数据可视化。

马格德堡奥托·冯·格里克大学(Otto von Guericke University)的计算机科学家希望利用这些发现和已确立的大脑研究方法，更好地理解人工智能的工作方式。

作为研究项目的一部分，由ing教授领导的科学家们。马格德堡大学人工智能实验室的Sebastian Stober将运用认知神经科学的方法来分析人工神经网络，从而更好地理解它们的工作方式。

“认知神经科学启发可解释人工智能技术研究项目”(简称CogXAI)将为期三年，将从德国联邦教育和研究部获得100多万欧元的资助。

人工神经网络，简称ANNs，是一种受自然大脑结构启发的自学习智能系统。它们就像生物神经系统一样，能够通过实例学习来独立解决复杂的问题。

“在我们的大脑中，这些网络是由数以百万计的神经细胞通过化学信号和电信号相互交流组成的，而人工神经网络可以被理解为计算机程序，”斯托伯教授说。“由于其强大的学习能力和灵活性，近年来人工神经网络在‘深度学习’一词下已经成为智能系统开发的热门选择。”

Stober和他的团队研究如何在人工神经网络中找到不同的区域，人工神经网络就像生物大脑一样，负责某些特定的功能。与磁共振成像扫描仪(MRI)记录的大脑扫描一样，人工智能专家旨在识别神经网络的某些区域，以便更好地理解它们的工作方式。

此外，大脑研究还提供了关于人类大脑学习行为的重要发现。计算机科学家正在利用这些丰富的经验使人工神经网络获得快速有效的学习行为。通过将人类感知和信号处理的概念传递给人工神经网络，他们打算发现这些自学习系统是如何做出预测和/或为什么会出错。

“对自然大脑的研究已经超过50年了，”斯托贝尔教授解释说。然而，目前这种潜力很少被用于AI架构的开发。通过将神经科学的方法转移到人工神经网络的研究中，他们的学习过程也将变得更加透明和容易理解。通过这种方式，在学习过程的早期阶段就可以识别出人工神经元的故障，并在训练中加以纠正。”

据Stober说，人工神经网络的发展正在迅速发展。“通过使用高性能计算机，越来越多的人工神经元可以用于学习。然而，这些网络日益复杂，甚至连专家也难以理解它们的内部流程和决策。“然而，如果我们希望未来能够安全使用人工智能，就必须全面了解它的工作原理。”

该文章来源互联网，如有侵权请联系删除