直接用人类神经元构建AI芯片,这家公司打造的无实体大脑可以玩雅达利游戏

简介:

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!


人类神经元和计算机芯片,交织的更加紧密了。

近日,一家初创公司竟直接用真正的神经元与计算机芯片相结合,试图构建一个微型无实体大脑。

1

这家初创公司名叫Cortical Labs,来自澳大利亚,目前正训练芯片来玩雅达利早期研发的游戏“Pong”。

这一举措如果成功,并且得到延伸拓展的话,那就可以解决深度学习极度耗能的问题了。

举个例子,当年大热的人机大战,据科技公司Ceva估计,AlphaGo在玩游戏时,消耗了1兆瓦的能量,相当于100户人家一天的使用量。

而相比之下,人脑消耗的能量却约为20瓦,是AlphaGo耗能的五万分之一。

人类神经元如何与AI芯片结合?

具体如何结合,联合创始人兼首席执行官Hon Weng Chong做出了解释。

公司将用两种方法来提取神经元:

1、从胚胎中提取小鼠神经元;

2、将人类皮肤细胞转化回干细胞,然后诱导他们长成人类神经元。

随后将这些神经元嵌入一个特制芯片顶部的液体培养基中。

在这个特制芯片上,有一个由22000个微小电极组成的网格,程序员可以通过这个网格提供点输入,同时感知它们的输出。

这样做的目的就是去塑造神经元的行为。

2

神经元芯片的发展

不管是2016年IBM宣布制造出世界首个人造纳米级随机相变神经元芯片,还是同年中星微研发的中国首款嵌入式网络处理器芯片“星光智能一号”。

目前为止,大部分研发的AI芯片形式各有千秋。

但它们都属于受到人脑机理的启发,通过半导体电路与器件去实现的,都未曾将真正的神经元与半导体结合制成芯片。

而就在去年12月有了一个新进展。

科学家们宣布制造出了一直微小新型硅微芯片。研究人员首次将生物神经元的电特性复制到半导体芯片上。这样的芯片与人体存在的生物神经细胞几乎相同。

这种芯片低功耗,制成电池可用于生物电子设备和植入物,从而对对抗阿尔茨海默病,心力衰竭等影响神经系统的疾病提供了新途径。

如果此次该公司能够研发成功,那么也必将是一个很大的突破了。

3

生物神经网络究竟会带来什么?

试着想想,除了低功耗以外,生物神经网络还会带来什么?为何科学家们极力研究计算机模仿人脑神经形态,抑或是现在直接提取培养人类神经元与芯片结合。

那么首先就是功能和结构的模块化

与目前的AI架构的同质性不同的是,大脑是有不同模块组成,比如,海马,小脑,基底神经节等。

不同的模块有不同的功能和结构,从而使得人脑得以高效运转。

4

其次是无监督学习与迁移学习

AI系统需要大量的训练数据才可以达到人类级别的性能。

就比如AlphaGo zero练习了490万场才击败人类围棋大师。

如果一个人每天玩围棋30年,那么他每天必须玩450场比赛才能达到AlphaGo zero的练习量。

显然,人类所需要的训练量要少得多,而且他们还可以利用解决先前任务时所获得的先验知识,将其转移到新任务中。

还有在理解,规划及主动因果学习上,AI系统都有很大的上升空间。

伦敦大学学院神经学家弗里斯顿表示,这个团队直接找到了真正的神经元,那么所有基于软件的神经网络所具有的一些问题是都可以完全避免。

Chong表示,每个人都在竞相制造AI系统,但是我们唯一知道的真正的AI是生物智能,人类智能。获得人类智力水平的唯一方法是使用人类神经元。


【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-06
本文作者:白交
本文来自:“量子位公众号”,了解相关信息可以关注“公众号 QbitAI”

相关文章
|
1天前
|
机器学习/深度学习 人工智能 算法
构建高效AI系统:深度学习优化技术解析
【5月更文挑战第12天】 随着人工智能技术的飞速发展,深度学习已成为推动创新的核心动力。本文将深入探讨在构建高效AI系统中,如何通过优化算法、调整网络结构及使用新型硬件资源等手段显著提升模型性能。我们将剖析先进的优化策略,如自适应学习率调整、梯度累积技巧以及正则化方法,并讨论其对模型训练稳定性和效率的影响。文中不仅提供理论分析,还结合实例说明如何在实际项目中应用这些优化技术。
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 随着人工智能(AI)技术的飞速发展,其在教育领域的应用日益增多。特别是在持续学习系统(Lifelong Learning Systems, LLS)中,AI技术正开启着个性化和适应性教学的新篇章。本文聚焦于AI在LLS中的创新应用,探讨了机器学习、自然语言处理和认知建模等关键技术如何共同作用于构建智能化的学习环境。文章旨在分析当前AI技术在持续学习领域的最新进展,并展望其对未来教育模式的影响。
|
2天前
|
机器学习/深度学习 人工智能 算法
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第11天】在数字时代的风口浪尖,网络安全问题日益凸显。传统的安全防御手段在应对不断进化的网络威胁时显得力不从心。本文提出了一个基于人工智能技术的自适应网络安全防御系统框架,旨在通过实时分析、学习和预测网络行为,自动调整防御策略以抵御未知攻击。系统采用先进的机器学习算法和大数据分析技术,能够在保持高效性能的同时,最小化误报率。文章详细阐述了系统的设计理念、关键技术组件以及预期效果,为网络安全的未来发展方向提供新思路。
|
2天前
|
机器学习/深度学习 人工智能 自动驾驶
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 在人工智能的迅猛发展浪潮中,一个不断进化的分支便是AI在持续学习系统中的应用。本文旨在探讨AI技术如何革新持续学习系统,并分析其在不同领域的创新实践。文章首先界定了持续学习系统的概念,随后深入解析了深度学习、强化学习以及转移学习等关键技术在其中的作用。通过案例分析,展示了这些技术如何在医疗诊断、自动驾驶及个性化教育中发挥至关重要的角色。最终,讨论了面临的挑战与未来的发展趋势,为读者提供了一个关于AI在持续学习领域未来可能展开的蓝图。
4 1
|
5天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的进化之路
【5月更文挑战第8天】 随着人工智能(AI)技术的飞速发展,AI系统正逐步从单一任务处理转向多任务、持续学习的智能体。本文将深入探讨AI技术在持续学习系统中的最新进展,包括深度学习、强化学习以及转移学习等关键技术。文章还将讨论如何通过这些技术实现AI系统的适应性、泛化能力和自我进化,从而推动AI在多变环境中的长期应用和自主决策能力。
|
5天前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第8天】 随着网络攻击的不断演变,传统的安全措施已不足以应对日益复杂的威胁。本文提出了一种基于人工智能(AI)的自适应网络安全防御系统,旨在通过实时分析网络流量和行为模式来自动调整安全策略。系统利用深度学习算法识别潜在威胁,并通过强化学习优化防御机制。初步实验表明,该系统能够有效提高检测率,减少误报,并在未知攻击面前展现出较强的适应性。
17 1
|
7天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的应用
【5月更文挑战第6天】 随着人工智能技术的飞速发展,AI在各个领域中的应用越来越广泛。本文将探讨AI在持续学习系统中的应用,以及如何通过这种技术提高教育质量和效率。我们将讨论AI如何帮助个性化学习,提供实时反馈,以及如何通过数据分析预测学生的学习进度。此外,我们还将探讨AI在教育中的潜在挑战和解决方案。
18 3
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
【AI 生成式】生成式人工智能如何在虚拟现实和游戏中使用?
【5月更文挑战第4天】【AI 生成式】生成式人工智能如何在虚拟现实和游戏中使用?
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI驱动的自适应学习系统
【4月更文挑战第30天】 随着人工智能技术的迅猛发展,教育领域正经历一场由AI驱动的变革。本文将探讨一个新兴的研究领域——自适应学习系统。这种系统通过利用机器学习算法和大数据分析,能够根据学生的学习习惯、知识水平和兴趣点提供个性化的教学方案。我们首先介绍自适应学习系统的基本概念及其在现代教育中的重要性,然后详细阐述其工作原理及关键技术,包括数据挖掘、模式识别和自然语言处理等。最后,文章将分析当前自适应学习系统面临的挑战,并提出未来的发展趋势。
|
13天前
|
人工智能 运维 自然语言处理
构建高效自动化运维体系:DevOps与AI的融合之路
【4月更文挑战第30天】在数字化转型的大潮中,企业IT基础设施的复杂性日益增加,传统的运维模式已难以满足快速变化的业务需求。本文深入探讨了如何通过融合DevOps和人工智能(AI)技术构建一个高效、自动化的运维体系。文章首先概述了现代运维面临的挑战,接着分析了DevOps的核心理念以及AI如何在故障预测、智能决策支持等方面提升运维效率。最后,本文提出了一个具体的实施框架,并讨论了在推进过程中可能遇到的挑战及应对策略。