打造生物智能和人工智能“双螺旋”,智源研究院发布“人工智能的认知神经基础”重大研究方向

2020年8月24日,北京智源人工智能研究院(以下简称“智源研究院”)在清华智源中心举行了“人工智能的认知神经基础”(以下简称“认知神经基础”)重大研究方向发布会。

2020 年 8 月 24 日,北京智源人工智能研究院(以下简称 “智源研究院”)在清华智源中心举行了“人工智能的认知神经基础”(以下简称“认知神经基础”)重大研究方向发布会。智源研究院院长黄铁军,智源“认知神经基础” 重大研究方向首席科学家刘嘉,该方向候选学者陈良怡、方方、吴思、宋森、余山,以及北京人工智能领域的高校、科研院所和企业代表出席了本次发布会。

“认知神经基础”重大研究方向发布会现场

一、人工智能需要认知神经作为基础

黄铁军表示,深度学习在人脸识别等方面取得重大进展,但并未真正解决感知问题,问题关键不在提高算力、增加数据,而是要重新思考智能模型。智源研究院在 2019 年发布了五个重大研究方向,“人工智能的认知神经基础”作为 2020 年首个智源重大研究方向,旨在将神经科学、认知科学和信息科学进行交叉融合,加强人工智能和脑科学的双向互动和螺旋发展,揭示生物智能系统的精细结构和工作机理,构建功能类脑、性能超脑的智能系统,以视觉等功能和典型模式动物作为参照物测试智能水平,为人工智能未来发展探索可行道路。

认知神经和数理基础是通用人工智能的两大基石

黄铁军表示,为了探究强人工智能的可能,智源研究院将相继研发神机 1 号(高精度精细神经网络仿真系统)、神机 2 号(大规模脉冲神经网络系统)和神机 3 号(高精度大规模通用智能模拟系统)等仿真平台;此外,针对强人工智能的发展,智源研究院将开放并提供一个通用智能训练和测评系统——“广义图灵测试”。

二、智源 “认知神经基础” 重大研究方向学者候选人发布

黄铁军宣布了 “认知神经基础” 重大研究方向学者候选人名单。其中,首席科学家(CS)由清华大学刘嘉教授担任。

5 位智源研究员(PI)候选人由来自北大、清华、中科院等单位的杰出中青年学者担任。他们均是所在研究领域具有国际影响力的中青年学术带头人,其中杰青 3 人,长江学者 2 人。六位学者中学科背景为认知神经科学的有 2 人,系统神经科学 1 人,计算神经科学 3 人。他们将尝试从认知和神经的各个层次研究人工智能,为走向强人工智能提供基础理论。具体名单如下:

三、暴力美学无法实现真正的智能,通用智能还需看生物智能

会上,智源首席科学家刘嘉作了题为 “ABC:AI of Brain & Cognition” 的主题报告。刘嘉提到最近比较火热的生成式语言模型 GPT-3 通过对大量书面材料集与长篇连载文本的预训练,获取关于世界的知识,将 “暴力美学” 发挥到极致,然而却无法做到理解、共情、推理等对于人类极为容易的事情。“认知神经基础”重大研究方向则希望能够探索生物智能,将生物智能与人工智能进行融合。为此,刘嘉表示整个 “认知神经基础” 课题团队,将致力于将神经科学、认知科学和计算科学进行交叉融合,从三个方向向通用人工智能靠近。

刘嘉表示,从认知神经的角度考虑,理解智能有三个层级,硬件层面、表示与算法层面以及计算理论层面;对应到生物智能中,分别是脑神经结构、生物神经网络模型以及认知模型。课题组将分别从三个层面进行研究:生物基础、网络模型、生物视觉。其中,陈良怡、方方将围绕“生物视觉认知的神经基础”,用多种脑成像的方法,探究大脑的精细结构、阐明生物视觉的认知功能和计算架构;刘嘉将进行“AI 的脑解析”,利用认知神经科学的研究方法打开人工智能(深度学习网络)的黑盒子;吴思、余山和宋森将探索“类脑的 AI”,基于生物视觉认知的研究成果,构建类脑视觉信息处理的模型与算法。同时课题组也将构建一个多尺度、多精度、多模态、多认知任何和多模型的生物智能开源开放平台。

刘嘉从理论研究和应用研究两个方面展望了 “认知神经基础” 的研究意义。从理论方面,刘嘉指出历史中技术的进步往往会带来伟大的理论突破,AI 的爆发也预示着一个能够媲美于 “牛顿力学” 的通用 “智能理论” 可能诞生。刘嘉认为,将生物智能与人工智能进行结合,从而提出一个独立于物理实现层的表征与算法是实现 “智能理论” 的正确道路。另一方面,当前的弱人工智能的测试主要基于图灵测试,但图灵测试本身是基于行为主义,不可能做到可解释、可信赖;为了定量探究强人工智能,“认知神经科学”课题组将致力于探索开发“通用智能的广义图灵测试”。

本次发布会最后,由刘嘉主持,各位学者围绕 “如何为 AI 提供一个可量化的测试平台”,以及“如何对生物智能开展研究以启发人工智能” 等话题,提供了自己的研究视野和专业性意见。

研究报告认知神经基础人工智能
相关数据
清华大学机构

清华大学(Tsinghua University),简称“清华”,由中华人民共和国教育部直属,中央直管副部级建制,位列“211工程”、“985工程”、“世界一流大学和一流学科”,入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”,为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员,被誉为“红色工程师的摇篮”。 清华大学的前身清华学堂始建于1911年,因水木清华而得名,是清政府设立的留美预备学校,其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙,与北京大学、南开大学组建国立长沙临时大学,1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立,清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

相关技术
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

生物神经网络技术

生物神经网络(Biological Neural Networks)一般指生物的大脑神经元,细胞,触点等组成的网络,用于产生生物的意识,帮助生物进行思考和行动

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

图灵测试技术

图灵测试(英语:Turing test,又译图灵试验)是图灵于1950年提出的一个关于判断机器是否能够思考的著名试验,测试某机器是否能表现出与人等价或无法区分的智能。测试的谈话仅限于使用唯一的文本管道,例如计算机键盘和屏幕,这样的结果是不依赖于计算机把单词转换为音频的能力。

通用人工智能技术

通用人工智能(AGI)是具有一般人类智慧,可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标,也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI(strong AI)或者完全AI(full AI),或称机器具有执行通用智能行为(general intelligent action)的能力。与弱AI(weak AI)相比,强AI可以尝试执行全方位的人类认知能力。

推荐文章
暂无评论
暂无评论~