硅藻显微镜照片导致强大的人工智能：与其等待

大家好，这里是老上光显微镜知识课堂，在这里你可以学到所有关于显微镜知识，好的，请看下面文章： 从知识分子，作者：黄铁俊，原标题：走向强大的智力：使图灵的童年大脑。
    
     脑计算是中国脑规划和脑研究的重要组成部分，这一部分的任务是什么这个概念是什么意思在脑力计划的准备过程中会有很多争议，稍后会有辩论。争论是一件好事，而且它有助于把有限的投资放在刀刃上。这里我围绕着全班（哪种）大脑从大脑中得到什么计算（如何）三个问题是谈谈你自己的观点，并与业内同行讨论。
    
     人脑是宇宙中已知的最复杂的物体，拥有已知的最强的智能。虽然计算机在计算速度方面远远快于人脑，人工智能系统已经把我们远远落后于Go等高智能游戏，但是这些都是罪恶。GLE事件，而大脑无疑是智力最强的全能运动员。
    
     正如欧盟人脑项目在其报告{1}中所建议的：除了人脑之外，没有任何自然或人工系统能够适应新的环境和挑战，自动获取新的信息和技能，在复杂的环境中做出有效的决策并代替工作。任何系统都无法保持具有多重损伤的人脑的健壮性，并且没有人工系统在处理相同的复杂任务时能够与人脑的低能耗相匹配。
    
     在人工智能方面，到目前为止所有的人工智能都是弱人工智能，而人脑是一个通用的智能系统，具有很强的人工智能，即自我意识，通过学习来适应环境和迎接未知的挑战。因此，绘制人脑是开发人工智能的重要途径。
    
     大多数人理解人脑是功能大脑，即理解脑智能的工作机制或原理，然后根据这一科学原理设计人工智能系统。这种观点常常影响人工智能技术的发展方向，但效果并不令人满意，许多计算机和人工智能专家甚至对此感到厌倦，厌恶认知科学甚至脑科学，这是为什么
    
     首先理解智能然后创造智能听起来是合理的，但是它并不真正经得起审查。特别是为了实现强大的人工智能，这条路根本行不通。
    
     理解脑智能，或者说发现意识的生物学基础{2}，是人类面临的最重要的科学问题之一，也是包括中国脑工程在内的所有脑项目中最重要的问题。我们能解决这个问题多少年乐观的大脑科学家相信这将需要几百年的时间，而悲观的大脑科学家相信它永远不会被解决，因为解决之日是大脑科学的终结。在1956年的人工智能起点会议上，人们讨论了类似的问题：一群神经元如何形成conCEPTS事实上，这是人工智能（尤其是人工智能）的核心问题。问题仍然是问题。
    
     因此，理解智力是制造智力的先决条件，即在开发一个强大的人工智能系统之前破解大脑的奥秘，实际上是以一个更难（甚至最难）的问题为先决条件，犯错误。把马车放在马前。思想根源在于迷信，科学是技术的基础和前提。
    
     事实上，人类历史上的重大技术突破常常发生在科学原理被揭示之前。例如，莱特兄弟在1903年发明了这架飞机，而冯·卡门直到1908年在巴黎目睹了这架飞机，才相信它，并决定弄清楚它为什么会飞；直到1946年，他和钱学森系统才提出空气动力学。有许多例子：从中国的四大发明到乐器，甚至贴在日常生活中，它们在揭示科学原理之前都是在实践中成功的。
    
     任何客观事物都可以分为两个层次：结构和功能。结构是功能的基础。功能是结构的表达。基本单元根据特定的结构组成复杂的对象，在与环境相互作用的过程中显示出特定的功能，大脑结构是指由各种由突触连接的神经元(神经细胞)组成的复杂神经网络。函数是指大脑的神经网络的动态行为，包括思维/意识现象。
    
     脑科学研究的中心任务是发现特定功能（正常脑功能或异常脑病）的结构基础。脑计划的实施可以支持和加速，甚至实现一些地方突破。但是大脑（结构）如何产生智力（功能）呢这个问题需要数十年甚至数百年的长期努力，没有人敢预测在大脑计划的十年实施周期中它将走多远。
    
     因此，要想在大脑程序执行周期中取得突破，我们不能走功能脑的技术路线，只能等待认知科学家猜出谜语，而走结构脑模拟的路径。
    
     所谓结构脑模拟，就是根据生物脑介观图谱的蓝图，用微型和纳米器件模拟生物神经元和突触的信息处理功能，与神经科学家合作构建仿生神经网络。训练训练用于产生与生物脑{ 3 }相似的信息处理功能和系统行为。
    
     结构性大脑模拟是基于绘制大脑图谱，这是未来十到十五年大脑计划的中心任务。它不仅是脑科学的基础，也是类脑计算的基础，结构脑模拟的目标是类脑计算机，更生动的名称是电子脑。它是有望实现更强的人工智能甚至更强的人工智能的新一代计算平台。
    
     结构脑拟态主要涉及脑结构的分析和模拟。这本质上是一个工程问题。经过持续努力，十年时间尺度有可能取得重大突破。本文的主要内容是介绍这一途径的可行性和最新进展。乐观估计表明，结构脑模拟很可能在10-20年内获得成功，保守估计不应超过30年。对生物脑和生物智能的控制，易于操纵和控制，可以加速脑科学和数学科学家解决大脑历史过程的奥秘。不是理解大脑奥秘的结果，而是率先实现它的基础和先决条件。
    
     如上所述，类脑计算不是功能脑，而是由结构脑，即神经元和突触组成的大规模生物神经网络。
    
     从结构层面理解大脑是现代神经科学的起点。1906年，诺贝尔生理学或医学奖授予卡米洛·高尔基（1843-1926）和圣地亚哥·拉蒙尼·卡哈尔（1852-1934），以表彰他们在神经系统结构方面的工作。他们提出了神经元染色并绘制了大量的精细生物神经网络，至今仍在使用。
    
     神经元或神经细胞是大脑中神经网络的基本单位。对于它们的功能，McCulloch和皮茨在1943个想象的逻辑开关中是完全的或不存在的，但是生物神经元真的是这样的吗在1939，Alan Hodgkin（1914-1998）和他的博士后研究员Andrew Huxley（1917-2012）刚刚回到剑桥，拿起大西洋鱿鱼的巨大神经元，并制作了一个快速测量其静息电位的工具，以及动作电位，实验结果。NT在《自然》杂志上发表。当时，第二次世界大战爆发了。直到1946，霍奇金和赫胥黎再次拿起了膜片钳，又花了六年细致地测量了电信号（神经脉冲）的神经传递的动态过程。称为动作电位并给出描述这一动态过程的微分方程，称为Hodgkin Huxl方程。EY方程，称为HH方程）{ 4 }，在1963获得了诺贝尔奖。不幸的是，许多人工神经网络领域的神经网络专家都这样做。甚至不知道这个方程式的存在，包括人工神经网络模型的深入学习，至今仍采用1943年的简化模型！
    
     其次是突触解析，它正在向中国肩膀转移，中国现代神经科学的奠基人冯德培（1907-1995）和张向东（1907-2007）在神经可塑性的研究上做出了杰出的贡献。
    
     在1952，当Hodgkin Huxley方程发表时，张翔通发现树突具有电兴奋性，而树突中的突触可能在神经元兴奋的精细调节中起重要作用。1992，国际神经网络学会授予张希。他认为，树突状电流在神经整合中起着重要作用，这为未来使用微分方程的电子计算机的发展奠定了基础。NS和连续时间变量代替数字脉冲逻辑。
    
     1998年，毕国强和布母明提出了突触冲动STDP的时间依赖性可塑性机制{6-7}：重复的突触前冲动有助于随后突触后动作电位的产生，并导致突触后动作电位的长期增强。相反的时间关系导致长期的抑制。2000年，宋森等人给出了STDP的数学模型{8-9}。2016年，普慕明院士……美国神经学会格鲁伯神经科学奖因神经元如何建立新的连接或改变而获奖。基于现实世界经验的现有连接的强度。
    
     尽管突触非常微小，但是对于越来越多的精密探测器来说，没有任何障碍是无法克服的。人类大脑中的突触和神经元数量已达到数百万亿。虽然它是庞大而复杂的，但它仍然是一个复杂的物理结构。
    
     2008年，美国工程学院将脑逆向工程列为本世纪14个主要工程问题之一。请注意，这是解剖结构的反向工程，而不是功能模拟。
    
     自2013年以来，欧洲人类大脑项目和美国的、日本和韩国的大脑计划一直致力于绘制大脑结构。
    
     2014年，华中科技大学（HUST）凭借脑单细胞分化光学显微断层成像荣获自然科学二等奖，并被欧洲人脑计划用作小鼠脑模拟的基础数据。
    
     2016年3月，美国情报研究计划局（IARPA）推出了微米（大脑皮层网络机器智能）计划来逆向设计立方毫米皮层，并利用这些发现来改进机器学习和人工智能算法。
    
     2016年4月，全球脑力工作坊2016提出了三个挑战。个挑战是绘制大脑结构{10}：在10年内，我们希望能够完成但不限于以下动物大脑分析：果蝇、斑马鱼、小鼠、狨猴，并开发它们。大型大脑绘图分析工具。好像要证明这个预测，9月2016年8月，日本东京大学宣布建立果蝇大脑的三维神经网络模型，包括超过10万个神经元{11}。
    
     2017年5月，北京大学在中国重点自然科学基金超高时空分辨率科研仪器的支持下，成功研制出新一代高速、高分辨率、小型化双光子荧光显微镜。离子小型化双光子体内显微成像系统获得了小鼠自由行为时脑内的神经元和神经。突触图像清晰稳定。我国十五计划已开始建设集光、声、电、磁、放射性核素、电等为一体的多模态跨尺度生物医学成像。电子和其他成像范式提供跨越十个时空尺度的分析能力，从埃米，微秒到小时，并具有高精度的大脑模型动物的各种动态分辨能力。
    
     即将启动的脑计划将脑图谱分析作为一项重要任务，明确了模型动物脑结构分析计划，提出通过国际合作绘制脑介观图谱。这是脑科学研究的基础，也是脑类计算的基础。资源应该得到优先和有力的支持。
    
     神经科学是认知科学的基础，建立良好的神经网络图，鼓励社会资源对认知科学和脑疾病进行研究是有意义的，但我们不能马马虎虎，重复欧洲人脑项目的混乱。第二，认知科学。它把坚持和不作为，把有限的精力放在解析大脑的精细神经阿特拉斯的基本任务中。这是次突破。一个身体和两个翅膀可以起飞。否则，胡须和眉毛就会被抓起来，十五年后必然会有鸡毛。
    
     随着计算机技术和工业的飞速发展，计算一词的含义在不断扩大，似乎无所不能。然而，作者艾伦·马奇森·都灵清楚地界定了能量与计算机不可能之间的理论界限。克，早在1936岁。
    
     众所周知，图灵的论文旨在证明不可数的、众所周知的图灵机模型的存在，但图灵机模型是一个副产品。显然，在这样有限的范围内构造智力显然是不可取的。计算机和人工智能的先驱，包括图灵在内，并不认为经典的计算机是人工智能的实现，一个可行的平台远不是实现强人工智能的平台。
    
     1943年，在台计算机发明的前三年，图灵提出了电子大脑{13}的概念。1950年，图灵发表了一篇名为《计算机与智能{14}的文章，它清楚地表明，真正的智能机器必须能够学习。制造这种机器的方法是制造一种模仿儿童大脑的机器，然后进行教育和训练。
    
     神经网络是人工智能发展的重要途径，也是深学习所代表的新型人工智能热潮的模型基础，但迄今为止，人工神经网络已被过度简化，并与生物脑N相比较。电子网络，它们远不能在至少三个层面上进行比较：
    
     其次，人脑是一个极其复杂的生物组织，由几百种不同类型的几千亿个神经元组成，每个神经元都由几千个甚至几万个突触连接到其他神经元，甚至使用简化的神经元模型和最强大的超级计算机模拟人脑，需要一百个站。
    
     第三，生物神经网络利用动作电位来表达和传递信息，并根据非线性动力学机制对信息进行处理。目前的深度学习人工神经网络不具有这些特征。
    
     人的智能和意识是生物神经系统，一个大规模的非线性动态系统的功能，为了创造更强的智能，甚至人类的智能，有必要在结构和基元上更接近生物神经网络，即c创造图灵所称的童年大脑。超越经典计算机的机器被称为类脑机器或神经形态机器，自上世纪80年代以来，研究一直在进行。
    
     类脑机器或神经形态机器是以生物神经网络为模型，以多尺度非线性时空信息处理为核心的神经形态装置构成的智能机器。
    
     具体地说，从结构层次模拟开始，利用微纳光电器件模拟生物神经元和突触的信息处理功能，通过模拟大脑皮层神经网络和生物感知构建仿生神经网络。器官。在仿真精度达到一定程度后，进行外部刺激训练，使其产生并存活，大脑具有相似的信息处理功能和系统行为。
    
     大脑类机器背后的基本思想是绕过更难理解的智力科学问题。首先，利用结构仿真等工程技术制造神经形态学机器，然后通过训练间接实现智能仿真。EVEL接近大脑，智能水平超越大脑。
    
     模拟大脑的努力可以追溯到上世纪80年代，具有代表性的作品包括杰拉尔德·莫里斯·埃德尔曼(Gerald Maurice Edelman)的《基于大脑的设备》(BBD)(1929-2014)，美国生物学家，诺贝尔医学或生理学奖得主，以及现代微电子学和大规模集成电路。神经形态工程{18-19}由加州理工学院教授卡佛·安德烈斯·米德(1934-)率先提出，近30年来，通过硬件逼近生物神经网络的神经形态计算得到了稳步的发展。世界范围内发表了超过2000篇论文。
    
     近年来，具有类脑特征的神经形态学计算系统相继出现，目前世界上有四个具有代表性的大型神经形态学计算系统：斯坦福大学的Neurogrid{21}、海德堡大学的Brain Scale S i。n德国{22}，英国曼彻斯特大学的SpiNNaker系统{23}，以及美国的IBM基于TrueNorth芯片的系统{24}。这些系统与经典计算机一样，与1946年的台计算机ENIAC相当，但发展迅速。例如，欧洲人脑项目支持的大脑量表S有望在项目结束前一年，即2022年，在神经信息处理方面超过人脑。
    
     中国脑型机器的发展没有重大的计划和行动，但相关的基础研究工作已有十多年的历史。作为两项主要任务之一，脑认知和脑类计算分别从理论基础研究、脑类计算机开发和脑智能应用三个层次上提出了九项任务。这些任务包括：脑结构分析平台、认知功能仿真平台和神经形态学装置，脑型处理器、机器学习芯片、脑型计算机、视听感知、自主学习和自然对话等已经动员了科研人员。在北京，致力于解决主要通用技术，并取得了一些具有国际影响力的成果。在北京项目启动一个月后，美国能源部（超级计算机开发牵头部门）于10月召集了专家。讨论神经形态计量计算：从材料到建筑{25}，这与北京脑科学和类脑计算的布局非常相似。
    
     神经形态学器件是近年来迅速发展的类似大脑的机器的晶体管。惠普2008年推出的用于模拟突触的记忆晶体管器件；IBM在2016年8月使用相变材料模拟神经元；9月份，美国马萨诸塞大学阿姆赫斯特分校使用相变材料模拟神经元。SA公司开发了一种用扩散型记忆电阻器接近突触的装置，普林斯顿大学在10月份宣布了光子神经元的发展，标志着神经形态测量仪的发展。竞争已经进入白热化阶段。
    
     我国对神经形态器件的研究已有十多年。北京大学、清华大学、南京大学、上海微系统研究所、华中科技大学和国防科技大学的研究成果表明，中国很可能会对这一领域产生重大影响。在将evices用于神经计算系统之前，它们还有很长的路要走，它们将从根本上塑造神经计算机的未来，就像晶体管和集成电路对经典计算机的贡献一样。
    
     我国在经典计算机时代错失了历史机遇。经过不懈的努力，高性能计算机已经走在世界前列，但计算机行业的空洞局面难以挽回，神经形态计算和脑型计算机的革命正在展开。中国应尽快进行战略部署，集中优势研究力量，突破基本设备(神经形态测量设备)、核心芯片(神经形态测量处理器)和基础软件及整机，实现脑型计算机的内源性发展。工业，作为新一代人工智能，最强大的人工智能奠定了机器的基础。
    
     在1950篇题为《计算机与智能》{ 14 }的文章中，Alan Turing没有停止思考智能机器。相反，他建议我们应该目光短浅，知道应该遵循的实际路径。沿着这条路线，古典计算机已经从计算机机器发展到支持算法、模型和应用（包括人工智能）的通用平台。计算机已成为平行于理论和实验的第三种科学研究范式。
    
     大脑和意识作为自然科学的最后一个前沿，既离不开经典计算机的支持，又需要从大脑神经系统的精细结构出发，开发出能够再现大脑功能的计算机（大脑样机）。
    
     (1)先结构，后功能：应从生物神经系统的结构模拟开始，而不是从生物智能的功能模拟开始，即科学基础主要是神经科学，而不是认知科学；
    
     (2)脑装置级近似：必须开发具有接近或超过生物神经元和突触的功能和尺度的神经形态学装置，以制造大规模神经网络硬件系统；
    
     (3)结构层次模拟大脑：在实施相似生物智能后，需要学习生物神经网络体系结构的新结构设计，简化、优化和扩大规模；
    
     (4)脑外功能层面：利用互联网数据、物联网传感器、虚拟环境等刺激训练硬件神经网络，培养智能；
    
     （5）首先理解机器智能，然后理解生物智能：建模和分析机器智能生成的动态过程，理解机器智能，然后将这种理解外推到生物系统，补充生物Expe。了解生物智慧，甚至人类意识。
    
     基于这些原理的计算机不需要等待大脑科学的认知原理的突破。通过获取生物神经网络的介观映射图以及神经元和突触的功能特性，可以创建具有类似工作模式和生物大脑性能的智能机器，甚至可以产生自我意识。这将揭开大脑，最终的谜团是一个重要的步骤。
    
     我们的大脑是一个足够复杂的结构，可以映射和表达存在于外部世界的复杂结构；我们的大脑是一个动态的复杂系统，用来感知和处理复杂的动态世界；我们的大脑在处理形式I时动态系统的转换和抽象。当然，我们的大脑仍然是一个复杂度有限的结构，复制这种结构只是制造更复杂结构的起点。一旦计算机成为现实，它就会同时发生。
    
     1。H Markram，K Meier等人。人类大脑计划，欧洲委员会的报告。HBPPS联盟，2012年4月。
    
     2。Greg Miller。意识科学的生物学基础是什么第309卷，第5731期，第79页。2005年7月
    
     3.黄铁军。用神经计算机模拟大脑，走向人工智能的新途径{J}。国际自动化和计算杂志，第14卷，第5期，第520-531页，2017年。
    
     4。霍奇金A，Huxley A.：膜电流的定量描述及其在神经传导和兴奋中的应用生理学杂志，1952, 117（4）：500—54。
    
     6。郭强碧，木明浦。培养海马神经元的突触修饰：对尖峰时间、突触强度和突触后细胞类型的依赖性。神经科学杂志18:10464-1047，1998。
    
     郭强碧，木明浦。图案化刺激诱导神经网络的突触修饰自然，401（6755）：792-796，1999。
    
     8。森松，Kenneth D. Miller，L.F. Abbott。通过尖峰时间依赖性突触可塑性竞争HeBib学习。自然神经科学3:919-926，2000。
    
     9.Sen Song,L.F.Abbott.柱和地图发育和通过与峰时相关的可塑性的皮质重排.Neuron 32:339-50,2001
    
     10.J T Vogelstein，K Amunts等人。全球脑科学大挑战。
    
     11.R.Mizutani，R.Saiga，A.Takeuchi，K.Uesugi，Y.Suzuki。果蝇大脑半球的三维网络。
    
     12.艾伦·M·图灵。论可计算数，及其对Entscheidungs问题的应用。伦敦数学学会学报。2.42.pp.230-65，1937。{交付给社会1936年11月}。
    
     13。安德鲁·霍奇斯。艾伦图灵：谜。伦敦：年份，1992，P251。
    
     14、Alan M. Turing。计算机器和情报。Mind LIX（236）：433—460, 1950。
    
     15。T. Huang。类似脑的计算。现在计算，第9卷，第5期，五月。2016，IEEE计算机学会{联机}
    
     16.G N Reeke,O Sporns,Gerald M.Edelman.合成神经建模:达尔文系列识别自动机.IEEE学报,第78卷,第9期,第1498-1530页,1990年9月.doi:10.1109
    
     17、Gerald M. Edelman。在基于大脑的设备{j}中学习。科学，2007，{j}。
    
     18。卡佛·米德。神经形态电子系统。IEEE会议录，第78卷，第10期，PP. 1629—1636，OCT 1990
    
     19、C Mead、M Ismail（ED）。神经系统的模拟VLSI实现。（1989）
    
     20。Catherine D. Schuman、Thomas E. Potok、Robert M. Patton、J. Douglas Birdwell、Mark E. Dean、Garrett S. Rose和杰姆斯S·普兰克。神经形态计算和神经网络在硬件中的应用综述2017年5月。http://ARXIV.org pdf 1705.06963.pdf
    
     21.B V Benjamin，...K Boahen，Neurogrid：用于大规模神经模拟的混合模拟数字多芯片系统，IEEE学报，第102卷，第5期，PP 699-716，2014。
    
     22.K.Meier.混合信号通用神经形态计算系统.2015 IEEE国际电子器件会议(IEDM)，pp.4.6.1-4.6.4，2015。
    
     24.P A Merolla等。具有可伸缩通信网络和接口的百万个尖峰神经元集成电路。科学345 668-73，2014。
    
     本文作者是作者：黄铁俊，禁止复制和使用，未经书面许可。公众号码、报纸等的复制请联系授权：
    
     网站网友点击量更高的文献目录排行榜： 点此链接 关注页面底部公众号，开通以下权限： 一、获得问题咨询权限。 二、获得工程师维修技术指导。 三、获得软件工程师在线指导 toupview,imageview,OLD-SG等软件技术支持。 四、请使用微信扫描首页底部官主账号！