人類大腦：宇宙最強(qiáng)CPU不服來(lái)戰(zhàn)

大腦能非常快速地識(shí)別復(fù)雜的事物，區(qū)分其種類。例如，不管字母A的外形、質(zhì)地和背景怎樣，或者不管同事的頭上戴著帽子還是變了發(fā)型，我們總能認(rèn)出來(lái)。我們也能根據(jù)事物露出的一部分，比如床的一角或門的鉸鏈，來(lái)認(rèn)出它們。這到底是怎么實(shí)現(xiàn)的呢？人類是不是使用了特別簡(jiǎn)單的技巧來(lái)完成這些復(fù)雜的任務(wù)？這些技巧是不是能用來(lái)改善計(jì)算機(jī)視覺，提高機(jī)器學(xué)習(xí)能力或機(jī)器人性能呢？

喬治亞理工學(xué)院的研究人員發(fā)現(xiàn)，人類能使用不到百分之一的原始信息來(lái)給數(shù)據(jù)分類，他們還確認(rèn)了一種能夠解釋人類學(xué)習(xí)行為的算法，這種方法也能用于提升機(jī)器學(xué)習(xí)能力、數(shù)據(jù)分析和改善計(jì)算機(jī)視覺。

“我們?cè)趺茨軌蚋兄�我們周圍的這么多數(shù)據(jù)呢？怎么就能區(qū)分這么多種類型，這么快速，這么篤定？”喬治亞理工大學(xué)計(jì)算機(jī)科學(xué)的特聘教授桑托什·萬(wàn)帕拉說(shuō)，“人類那么做的基礎(chǔ)是什么？這是一個(gè)計(jì)算問題�！�

該大學(xué)負(fù)責(zé)研究人類行為的研究人員做了“隨機(jī)投影”試驗(yàn)，來(lái)理解人類的學(xué)習(xí)行為。他們把原始的抽象圖像呈現(xiàn)給測(cè)試對(duì)象，然后詢問他們是否能夠識(shí)別出那些只顯露一小部分特征的圖像。

“我們假定隨機(jī)投影是人類學(xué)習(xí)的一種方式，”阿里亞加說(shuō)。他是資深科學(xué)家和發(fā)展心理學(xué)家。他解釋說(shuō)：“最簡(jiǎn)潔的答案是，預(yù)測(cè)可能總是對(duì)的。只要給人類百分之零點(diǎn)一五的數(shù)據(jù)，人類就能做到準(zhǔn)確預(yù)測(cè)。”

接著，研究人員測(cè)試了一個(gè)計(jì)算機(jī)算法，讓機(jī)器（非常簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)）計(jì)算同樣的測(cè)驗(yàn)。機(jī)器的表現(xiàn)跟人類一樣�！拔覀儼l(fā)現(xiàn)，人類和機(jī)器的神經(jīng)網(wǎng)絡(luò)非常相似。”

科研人員想找出一個(gè)數(shù)學(xué)定義，找出典型和非典型的公式，然后，據(jù)此預(yù)測(cè)出對(duì)人類和機(jī)器學(xué)習(xí)來(lái)說(shuō)最困難的那種數(shù)據(jù)。人類和機(jī)器的表現(xiàn)差不多，這表明隨著時(shí)間的過(guò)去，人們將能預(yù)測(cè)出最難獲悉的數(shù)據(jù)。

這個(gè)研究成果刊登在《神經(jīng)計(jì)算雜志》上，被認(rèn)為是對(duì)“隨機(jī)投影”的首次研究。

• 構(gòu)建人工智能模型基礎(chǔ)：TFDS和Keras的完美搭配
• 遷移學(xué)習(xí)：人工智能模型訓(xùn)練的絕學(xué)
• Ryght：專為醫(yī)療保健和生命科學(xué)領(lǐng)域打造的生成式人工智能平臺(tái)
• 現(xiàn)在有什么免費(fèi)好用的人工智能工具嗎？
• 現(xiàn)在人工智能賽道很火熱，信也科技在這方面有沒有什么建樹？