你的位置:1127網 > 科技 > 我們能造出會學習的電腦嗎?

我們能造出會學習的電腦嗎?

時間:2022-02-12 00:50瀏覽次數:200

1 楼: 深海古人

大腦會計算,並不表示它就是一個計算機器,雖然它們 在表面上有相似之處。在你腦殼裏的“溼件”和你電腦中的 “硬件”之間,還是有巨大差別的。電腦的基本單元是晶體 管,它通常是接收電流訊號,而根據這訊號,進入一個“開” 或“關”的狀態。大腦的基本單元是神經元,它從數以千計 的其他神經元接收訊號,而經過我們還不太瞭解的複雜過 程,處理這些訊號,然後“發射”(送發神經訊號給許多其他 神經元)或不發射。另一個差別是,普通的電腦一旦組裝完成,並給予指令 後,它就會持續死板地做它被命令去做的事——實際上,不 斷重複執行復雜工作的能力,正是機器最大的長處。在另 一方面,大腦則在使用時不斷改變和進化,在過程中學會如 何完成新的工作。它能這麼做的原因,有一部分是因爲它 會改變神經元之間的連結方式。電腦科學家已經設計了在功能上比較像大腦的機器, 因而獲得重大的進步。在這一類型的研究中,最重要的發 展就是“神經網絡氣這類網絡有三部分:一個接受信息的 輸入系統、一個處理信息並能修改的加工系統、一個報告計 算結果的輸出系統。通過以下我即將描述的過程可以知 道,一個神經網絡,能夠實際學習如何執行一個原來並沒有 放入程式中的工作。我們來看一個簡單的學習工作的例子一-^別一個模 式。神經網絡的輸入單元可能是一組感光管,聚集於一個 黑白電視熒幕上。這樣,圖像就會被分解爲許多小塊(稱做 “像素”pixel) <即光電管的一個像素,然後測量來自每一小 方塊的光。於是,這個系統的輸入就是一系列電流,每個電 流強度對應於一特定像素的亮度和暗度(參考數字:標準的 美式電視機的屏幕橫直都分爲525部分,因此,畫面共有 525 x 525 = 275625個像素)。我們可以把神經網絡的輸入 系統,看作相當於人類視網膜先把光轉化爲神經脈衝的細。這些訊號接着就進入加工單元,從這一點起,神經網絡 開始有別於普通電腦了。假設工作是閱讀在熒幕上的某個 數字,信息從輸入部分走到加工系統時,就會遵循一連串的 規則,爲每個訊號指派一個加權數(weight)o例如,在畫面 邊緣的像素,可能沒有位於畫面中心的重要。加工單元就 可能被告知,應把中心的像素加權爲邊緣的兩倍。再下去, 或許有一些類似規則,關於邊緣和其他識別數字上重要的 特性(例如“如果訊號的左邊是全黑而右邊是全亮,則比其 旁邊是亮暗夾雜的訊號加權3倍” )0最後,一個信號爲輸 出,十個單位將發射,與所閱讀的數字相一致。到了這一點,學習就開始了。假設你給這系統看到的 是數字2,但神經網告訴你說看到的是7。你告訴電腦說它 錯了,而它的設計就會使它回頭重新安排加工單元裏的加 權分配  如,它或許會決定把在中心的像素加權爲邊 緣像素的4倍而不是2倍。系統就會去執行,覈對結果,再 調整加權,再執行,如此等等。最後,這種神經網絡就學會 了從熒幕上讀出數字。讀出單一數字是相當簡單的工作,在這樣的系統中,也能做比較複雜的工作。例如,可以訓練它們識別在生產線 上往下走的可接受模式,因而在工業的質量控制上發揮作 用。可以訓練它們在保安系統中識別個別的人面和聲音。 甚至有一些已發展到了最後測試階段的系統,可以被訓練 來閱讀在信件上手寫的郵政編碼,因而加快了分信(要對於像我寫的字,這可是非同小可的工作)的速度。在較高的層級,這種神經網絡能以更精巧的形式分析 大量的數據,並從中抽取複雜到人類觀察者看不出的模式。 這類機器可能非常適合用於瞭解具有大量獨立變數的系統,例如農業生態系統或大型分子。然而,我仍必須強調這兩個問題的一個重要區別:神經 網絡是否有用(它們當然是有用)和神經網絡是否爲人類大 腦的工作原理提供了模型(這還是一個非常開放的問題)。 我的猜測是,第二個問題的答案會是否定的。

2 楼: 次元小拾

會學習的電腦應該就是人工智能吧,現在人類已經造出了不少簡單的人工智能,並且也讓它們具備了一定的學習能力,但要說讓它們像人腦一樣進行學習和思考的話,還需要漫長的時間來進行研究。

3 楼: 職場導師陳老師

我覺得我們一定能夠造出會學習的電腦,因爲現在的科技發展水平越來越快。各種各樣的人工智能也是層出不窮,所以只要我們的技術足夠的先進,就完全可以造出會學習的電腦。

4 楼: 公羊波01u

可以。不過這個過程比較困難,現在已經有一些人工智能程序開始被植入機器人裏面了。但是想要達到非常智能的地步,還需要很長時間的努力。

5 楼: 小迪解答者

在未來也許會製造出會學習的電腦,因爲現在科技很發達,什麼樣的情況都有可能會出現。

6 楼: 匿名用戶

用過電腦的人都知道,電腦其實很笨,它雖然能保存一整部工具書,卻不理解書中的內容。它雖然能識別通過麥克風輸入的詞語,並在屏幕上正確顯示出來,卻不知道詞語的意思。幾十年來,信息學家在“人工智能”領域不斷進行研究,希望有朝一日能讓計算機程序真正理解人類的表達。雖然這一研究的進展很慢,但很多程序已能夠解決複雜的數學問題、編曲、繪圖,還有一些電腦程序則能提供專業的經濟或醫學建議。目前,最接近“超越人類”這一目標的是電腦程序“深藍”,1997年它擊敗了國際象棋大師加里·卡斯帕羅夫。但深藍也不算智能程序,它只是計算速度快,能每秒計算2億步,然後選出最有利的走法。卡斯帕羅夫當然無法每秒計算2億步走法,但和其他象棋師一樣,他卻能在少量步法中選擇自己認爲最理智的一種。他可以不去考慮幾百萬步其他走法,只將注意力集中在最重要的地方,因爲他知道什麼是正確的。也許,對計算機的研究就應從這一點出發。要想製造出能思考的電腦,僅僅保證其計算速度快還不夠,僅僅擁有大量知識也不夠。20世紀90年代,信息學家發現,電腦程序不應該模擬受過教育的成年人,而應該模擬兒童。兒童還沒有掌握太多知識,但是卻能夠迅速學習新東西。他們能在很短時間內學會說話,學會跑步,這是功能強大的機器人和電腦做不到的。當孩子學習說話的時候,他們總在重複聽到的詞語。比如,很多孩子並不是第一次就能正確發出“媽媽”這個音,也許他們說的是“爸媽”或者是“阿媽”。這種情況下,父母會不斷重複正確發音,直到孩子也發出正確的音。用同樣的方法,孩子學會了其他所有詞語,不僅從父母那裏學到了詞語的發音,還學到了詞語的意思和使用環境。理論上講,電腦程序也能擁有相同的功能,能和孩子一樣接受“培訓”,學會什麼是正確的,什麼是錯誤的,經驗能幫助它們更快地解決問題。但現在這類程序還處於起步階段,這將是個漫長的過程。但是人類智能還受到情緒的影響,雖然我們自認爲是能理智控制自我的生物。從這個角度看,也許情感也是智能的一個重要組成部分。如果真是這樣,智能電腦也應該擁有感情纔對。可以想象向智能電腦程序植入感情元素,當它成長到“足夠成熟”並且學會了一定的東西之後,也能擁有感情生活。很多科學家都在探討一個話題,他們認爲電腦程序永遠無法像人類一樣思考,它們只能模擬人類行爲。還有一些科學家則認爲,電腦程序有一天也會成爲能思考的生物。這些科學家提出,很多時候人類自己也不知道自己的感受和思想,例如我們從來無法肯定那些看到喜劇發笑的人是真的覺得劇情有趣,還是假意表示出對喜劇的欣賞。對人工智能的研究也許能讓我們在更加了解機器的同時,也更加了解自身。

友情链接: 91賽普網汽車吧網羅斯網安瑞網西奧網淘號網比特網抹茶網妮瑪網

1127網娛樂生活科技教育

Copyright © 2013-2022 1127網 版權所有