Эмуляция мозга: 6 ключевых вопросов на пути к AGI

в 11:36, , рубрики: AGI, искусственный интеллект, искусственный общий интеллект, машинное обучение, эмуляция мозга
Эмуляция мозга: 6 ключевых вопросов на пути к AGI - 1

Привет, на связи Sherpa Robotics. Сегодня мы хотим обратить ваше внимание на статью команды исследователей  в области биоэлектроники Дианы Дека, Касвелла Барри и Самита Чакрабарти, опубликованную онлайн-издательством Cambridge University Press 12 февраля 2024 года. В нашей публикации мы сосредоточимся на дискуссионных вопросах, которые авторы называют ключевыми на пути к достижению AGI.

Искусственный интеллект (ИИ) всегда черпал вдохновение из мозга, начиная с самых простых форм, таких как узлы и слои, до более современных разработок, имитирующих отдельные нейроны и различные аспекты зрительной и сенсорной обработки.

Прогресс в клеточной и молекулярной нейробиологии и нейрофизиологии, вычислительной нейробиологии, нейроморфных вычислениях и машинном обучении повлиял друг на друга, но все еще не достиг полной синхронизации. До сих пор нет единой комплексной системы, которая могла бы подтвердить или опровергнуть результаты исследований в этих областях.

Один из подходов к достижению искусственного общего интеллекта (AGI) — это полное воспроизведение физической структуры мозга (эмуляция всего мозга) или отдельных его элементов (пиковые нейроны, синаптическая пластичность, дендритная компартментализация, морфологические изменения и т. д.). 

Цель данной статьи — установить единый подход, который интегрирует нейробиологию, вычислительную нейробиологию, нейроморфные вычисления и машинное обучение с конечной целью достижения AGI. Как нам лучше всего двигаться к этой цели и достичь консенсуса?

Статья ставит перед нами важный вопрос: как построить прочные связи между нейробиологией и искусственным интеллектом (ИИ), чтобы эффективно имитировать работу человеческого мозга

Для того, чтобы ответить на него, стоит разбить задачу на подпункты. Авторы статьи сформулировали наиболее важные вопросы, которые помогут сформировать наиболее эффективный подход к эмуляции человеческого мозга.

Ключевые вопросы

1. Какие наиболее значимые достижения в нейробиологии и нейрофизиологии могут и должны быть включены в рабочие модели, которые вычислительные нейробиологи и инженеры машинного обучения могут использовать и проверить (подтвердить или опровергнуть) в своих моделях? 

2. Какие модели вычислительной нейробиологии поддерживаются экспериментами и по-прежнему служат как точным представлением нейрофизиологических функций, так и ведут к существенным улучшениям параметров машинного обучения, таких как вычислительная скорость, энергоэффективность и точность?

3. Какие нейроморфные модели (как программные, так и аппаратные, например, Nengo, SNNs, нейроморфные чипы) эффективно имитируют нейробиологические структуры и результаты, подтвержденные достаточным количеством нейробиологических и вычислительных нейробиологических исследований, при этом демонстрируя превосходные характеристики по всем параметрам по сравнению с, например, машинами фон Неймана или классическими сверхточными нейронными сетями? 

4. Какие текущие крупномасштабные приложения и микросхемы машинного обучения точно имитируют нейробиологические структуры, а также их функции, что подтверждается как нейробиологическими исследованиями, так и моделями вычислительной нейробиологии?

5. Какие наиболее современные разработки в области интерфейсов мозг-компьютер и нейропротезов демонстрируют как очень четкие и фальсифицируемые результаты, так и потенциал для массового масштабирования с высоким уровнем технологической готовности (TRL) и путь к утверждению FDA, что позволит собирать соответствующие данные для развития и адаптации эффективных вычислительных нейробиологических моделей и моделей машинного обучения с повышенной эффективностью? 

6. Какие предложения существуют для создания единой системы, которая позволяет нам оценивать уровень соответствия и эффективности количественно и качественно от нейробиологии до вычислительной нейробиологии, нейроморфных моделей до приложений машинного обучения TRL6+?

Решая эти вопросы и создавая единую систему, человечество может ускорить прогресс в достижении AGI, при этом гарантируя, что достижения основаны на глубоком понимании биологических основ мозга

Авторы приглашают исследователей со всего мира принять участие в решении этих вопросов и создании единой системы для сотрудничества в области нейробиологии и ИИ (https://www.cambridge.org/core/journals/research-directions-bioelectronics/information/author-instructions/preparing-your-materials).

Очевидно, что поиск ответов на поставленные вопросы требует серьезных исследований, которые должны проводиться командами исследователей, специализирующимися на различных дисциплинах. Тем не менее, мы хотим попросить наших читателей поделиться своими знаниями по этой теме в комментариях. 

Автор: sherparpa

Источник

* - обязательные к заполнению поля


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js