兩年倒數(shù)！Anthropic CEO萬字長文預言：「強大AI」26年降臨,，智力擊敗諾獎得主(11)

小大

用微信掃描二維碼
分享至好友和朋友圈

關鍵詞：

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)科學將在幾年內(nèi)產(chǎn)生快速進展,。

我們應該在這個基本圖景中添加一點,，那就是過去幾年中學到的，或正在學習到的,，一些關于人工智能本身的知識,，可能會幫助推進神經(jīng)科學，即使神經(jīng)科學研究仍然只由人類來進行,。

首先,，「可解釋性」是一個明顯的例子。

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作,，但「簡單單元組成的的分布式,、訓練過的網(wǎng)絡如何協(xié)同工作以執(zhí)行重要計算」，這個基本問題是相同的,。

舉例來說,，AI系統(tǒng)可解釋性研究人員發(fā)現(xiàn)的一種計算機制，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

相比真實神經(jīng)網(wǎng)絡,，對人工神經(jīng)網(wǎng)絡進行實驗要容易得多，因此AI可解釋性很可能成為提高我們對神經(jīng)科學理解的工具,。

此外,，強大的人工智能本身可能比人類更能開發(fā)和應用這個工具。

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

Amodei本人在從事神經(jīng)科學研究時發(fā)現(xiàn),，曾經(jīng)很多人關注的關于「學習」的問題,，現(xiàn)在看來是錯誤的，因為那時還沒有「擴展假說」（scaling hypothesis）,，或Rich Sutton提出的「the bitter lesson」這樣的概念,。

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

Amodei表示，近年來自己并沒有密切關注這個領域,，但能隱約感覺到,，計算神經(jīng)科學家們?nèi)匀粵]有完全吸收這個教訓,。

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

關閉

兩年倒數(shù)！Anthropic CEO萬字長文預言：「強大AI」26年降臨,，智力擊敗諾獎得主(11)

相關新聞

今日熱點

頻道熱點