你好,游客 登录
背景:
阅读新闻

马斯克说的脑机结合还有多远?真正的脑机科技前沿告诉你真相

[日期:2017-08-01] 来源:金融界  作者: [字体: ]

近日,特斯拉CEO马斯克关于AI的言论引起了很大争议,马斯克表示AI可能在2030年至2040年就全面超越人类,他称自己接触了最前沿的脑机科学,因此认为“AI”是“人类文明史上面临的最大威胁”。马斯克创办的Neuralink公司将开发一种被称为“神经蕾丝”的技术,在人脑中植入细小的电极,可能有朝一日能用来上传、下载人的思想,期望实现人与人之间的心灵感应——把想法直接从一个人的大脑转移到另一个而不通过任何外部设备。不少人对马斯克的想法泼了冷水,那么,从脑机科学来看,人类可能实现这样的心灵感应,变成赛博格(半人半机)吗?我们不妨来听听前沿的脑机科学家都正在做什么,对未来有什么样的预期。

2017 年 7 月 28-30日,由 中国计算机学会(CCF)主办的高端学术活动——中国计算机学会学科前沿讲习班(CCF Advanced Disciplines Lectures,简称 ADL)第 81期在北京中国科学院计算技术研究所举办。

本期讲习班北京大学计算机科学技术系主任,信息科学技术学院教授黄铁军主持,另有六名来自学界、业界的大牛,为现场百名学员讲解了“类脑计算”相关的前沿与应用。雷锋网编辑亦到现场听讲。

学术、技术大牛们都讲了啥?

大牛们从模拟生物神经元和神经突触的神经形态器件、神经网络芯片以及类脑计算模型和应用等方面对国内外类脑计算研究进展进行介绍,探讨相关技术的未来发展趋势。

下面雷锋网(公众号:雷锋网)带你走进本期讲习班的关键内容和知识。(按分享时间顺序总结,排名不分先后)。

黄铁军:类脑计算—从理念到实践

北京大学信息科学技术学院教授,计算机科学技术系主任,国家杰出青年科学基金获得者,教育部长江学者特聘教授

黄铁军教授回顾计算机和人工智能的发展,提出目前我们正处于神经形态计算类脑计算机的元年。以AI的诞生、制造强AI、绘制大脑地图、神经形态计算、AI睁开眼睛为框架体系讲解了类脑计算。黄铁军认为相比于Brain Inspired Computing(脑启发的计算), 黄铁军认为Brain Like(仿脑)是取得突破的可行路线,是走向“强人工智能”的必要阶段,可能比“人工智能”(人工设计出来的智能)和“认知科学”(理解思维的机理)更早实现。

他认为以视觉为主的感知是智能之源,他目前正在进行的灵长类初级视觉系统解析仿真项目正揭示出了仿脑在视觉信息编码和分析识别方面的潜在价值。黄教授的团队主要研究基于神经脉冲序列的图像编码,包括仿真视网膜:视频编码,仿真视皮层:影像解码重构。

曾毅:类脑智能—从受脑启发到通用智能的探索

中国科学院自动化研究所类脑智能研究中心副主任,中瑞数据驱动神经科学联合实验室副主任

曾毅教授从人工智能、神经科学、认知科学交叉的视角介绍了类脑智能的研究进展,介绍了团队在大规模多尺度生物脑神经网络建模与模拟、类脑自主学习、多感觉融合、认知功能协同及其在无人机、 机器人( 300024 , 诊股 )领域的智能应用方面的研究进展。

潘纲讲座题目:从脑机接口到脑机融合

浙江大学计算机学院教授、博导,计算机系统所副所长

潘纲教授介绍了脑机接口的基础知识、植入式和非植入式的脑机接口方式。 他认为脑科学研究有三个十年,前十年是“脑的十年”:从生物角度认识脑,当前十年是“脑机接口”:从工程角度利用脑,未来十年是“脑机一体化”:从信息角度融合脑。

他认为以脑机接口为代表的神经技术的突破使得脑与计算机之间的结合越来越紧密,脑机融合及其一体化已成为未来计算技术发展的一个重要趋势。他也分析了脑机融合存在的问题与挑战:如何实时获取稳定的神经信号?如何设计植入式设备兵提高生物兼容性?如何理解神经信号的意义?如何开发具备感知计算能力的混合智能系统?

唐华锦:神经形态认知计算

四川大学计算机学院教授、博士生导师,类脑计算研究中心主任

唐华锦教授认为与传统人工智能方法不同, 神经形态计算主要受神经科学发展推动,是建立在大脑神经电路结构和神经信息处理与神经脉冲计算原理上的新型计算模式,并最终以神经形态硬件方式来实现仿脑的认知计算与低功耗运算。 虽然在神经科学领域神经元和突触层级已经取得了很大的进展,而如何模拟生物神经元及突触可塑性实现认知计算及实现神经形态芯片依然面临很多挑战,有待深入研究。他从神经形态认知计算领域需要解决的主要问题出发,介绍了该领域取得的主要进展。

陈云霁 :深度学习处理器

中国科学院计算技术研究所研究员,博士生导师,未来计算实验室主任

陈云霁教授认为由于深度学习是目前最重要的智能计算技术,未来每一台计算机都可能需要一个专门的深度学习处理器。他主要介绍了中科院计算所在2012年和Inria合作研制的全球首个深度学习处理器架构,介绍了深度学习处理器的发展历程和未来前景。他期望深度学习处理器能够将代表性智能算法的处理速度和性能功耗比提高一万倍。

施路平:类脑神经形态计算芯片

清华大学教授,清华大学类脑计算中心主任,光盘国家工程研究中心主任,国际光学工程学会(SPIE)会士

施路平教授认为类脑计算功能芯片是类脑计算的核心技术之一,介绍了国内外在类脑计算功能芯片方面的现状和进展,讨论这个领域的主要挑战,未来可能的发展路线。 同时他认为目前的最大问题是脑神经科学和计算科学的分离,类脑计算需要多学科的融合, 清华大学类脑计算中心联合了精仪系、医学院、计算机系、自动化系、微电子系、电子系、材料学院,一同探讨类脑计算芯片。

吴思:计算神经科学-连接脑科学与类脑计算的桥梁

北京师范大学脑与认知科学学院教授,认知神经科学与学习国家重点实验室副主任,IDG/McGovern脑科学研究所研究员

吴思教授在一开场就给出了自己对于智能的定义: 智能就是人类不断把一个个很智能的事情变得不那么“智能”的过程。 目前的人工智能将变成日常,而不再是智能。他认为计算神经科学的宗旨是用数学建模和仿真方法来阐明大脑的工作原理,计算神经科学在脑科学与类脑计算之间起到了重要的桥梁作用。报告将简要介绍神经系统计算的一些重要特性,他回顾了计算神经科学发展的历史背景,介绍了一些神经信息处理的基本原理及实现的网络模型。

收藏 推荐 打印 | 录入:admin | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款