兩年倒數(shù),！Anthropic CEO萬字長文預(yù)言：「強(qiáng)大AI」26年降臨，智力擊敗諾獎(jiǎng)得主(11)

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2024-10-14 10:31:36 36氪

因此,，我們有理由期待,，人工智能加速的神經(jīng)科學(xué)將在幾年內(nèi)產(chǎn)生快速進(jìn)展。

我們應(yīng)該在這個(gè)基本圖景中添加一點(diǎn),，那就是過去幾年中學(xué)到的,，或正在學(xué)習(xí)到的，一些關(guān)于人工智能本身的知識,，可能會幫助推進(jìn)神經(jīng)科學(xué),，即使神經(jīng)科學(xué)研究仍然只由人類來進(jìn)行。

首先,，「可解釋性」是一個(gè)明顯的例子,。

盡管表面上,，生物神經(jīng)元和人工神經(jīng)元以完全不同的方式運(yùn)作，但「簡單單元組成的的分布式,、訓(xùn)練過的網(wǎng)絡(luò)如何協(xié)同工作以執(zhí)行重要計(jì)算」,，這個(gè)基本問題是相同的。

舉例來說,，AI系統(tǒng)可解釋性研究人員發(fā)現(xiàn)的一種計(jì)算機(jī)制,，最近在小鼠大腦中被重新發(fā)現(xiàn)。

論文地址：https://www.biorxiv.org/content/10.1101/2023.03.15.532836v1

相比真實(shí)神經(jīng)網(wǎng)絡(luò),，對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)要容易得多,，因此AI可解釋性很可能成為提高我們對神經(jīng)科學(xué)理解的工具。

此外,，強(qiáng)大的人工智能本身可能比人類更能開發(fā)和應(yīng)用這個(gè)工具,。

除了可解釋性之外，我們從AI那里學(xué)到的關(guān)于智能系統(tǒng)如何訓(xùn)練的知識,，很可能在神經(jīng)科學(xué)領(lǐng)域引發(fā)一場革命,。

Amodei本人在從事神經(jīng)科學(xué)研究時(shí)發(fā)現(xiàn)，曾經(jīng)很多人關(guān)注的關(guān)于「學(xué)習(xí)」的問題,，現(xiàn)在看來是錯(cuò)誤的,，因?yàn)槟菚r(shí)還沒有「擴(kuò)展假說」（scaling hypothesis），或Rich Sutton提出的「the bitter lesson」這樣的概念,。

大量數(shù)據(jù)加上簡單的目標(biāo)函數(shù)就可以驅(qū)動極其復(fù)雜行為,，這個(gè)想法使得理解目標(biāo)函數(shù)和架構(gòu)偏差（architectural biases）變得更有意思，同時(shí)也讓「涌現(xiàn)」過程的復(fù)雜計(jì)算細(xì)節(jié)（emergent computation）變得不那么有趣,。

Amodei表示,，近年來自己并沒有密切關(guān)注這個(gè)領(lǐng)域，但能隱約感覺到,，計(jì)算神經(jīng)科學(xué)家們?nèi)匀粵]有完全吸收這個(gè)教訓(xùn),。

首頁上一頁...8 9 101112 13 14...全文共 15 頁下一頁

關(guān)閉

兩年倒數(shù),！Anthropic CEO萬字長文預(yù)言：「強(qiáng)大AI」26年降臨，智力擊敗諾獎(jiǎng)得主(11)

相關(guān)新聞

今日熱點(diǎn)

頻道熱點(diǎn)