<address id="v5f1t"><meter id="v5f1t"><dfn id="v5f1t"></dfn></meter></address>

<nobr id="v5f1t"><i id="v5f1t"><em id="v5f1t"></em></i></nobr>
      <font id="v5f1t"></font>

    <font id="v5f1t"><ruby id="v5f1t"></ruby></font>

      <listing id="v5f1t"></listing>

        <dfn id="v5f1t"><ruby id="v5f1t"><form id="v5f1t"></form></ruby></dfn>

            <dfn id="v5f1t"></dfn>

            <progress id="v5f1t"><b id="v5f1t"><strike id="v5f1t"></strike></b></progress>

              <font id="v5f1t"></font>

                      認知計算:當計算機變成人腦

                      導讀IBM研究人員對一個獼猴的大腦進行了逆向工程,以此開始了構建自己的電子人腦的歷程。  IBM研究實驗室的工程師們并不滿足于僅僅制造一臺可以在《危險邊緣》智力競答節目中擊敗任何人類對

                        IBM研究人員對一個獼猴的大腦進行了逆向工程,以此開始了構建自己的電子人腦的歷程。

                        IBM研究實驗室的工程師們并不滿足于僅僅制造一臺可以在《危險邊緣》(Jeopardy)智力競答節目中擊敗任何人類對手的天才機器人,他們非創造一種能夠與真正人類大腦相比擬的新型智能機器不可。

                        該節目的衛冕冠軍沃森(Watson)無疑是聰明的,但它仍然是一臺公認的計算機。而IBM工程師們的新發明將是完全不同的東西——IBM正試圖從零開始打造一個電子大腦。

                        這一新的領域被稱為認知計算,它將計算機的概念帶到了全新的水平。本周早些時候,IBM阿爾馬登研究中心(Almaden Research Center)的達曼德拉·莫德哈(Dharmendra Modha)向一屋子的科學家介紹了認知計算可以做到的事情以及IBM將如何著手發明這種與我們思考方式相同的機器。

                        莫德哈首先描述了所面臨的挑戰,其中涉及神經科學、超級計算以及納米技術等方面。

                        人類大腦將記憶和存儲整合成一體,重量小于3磅,占用體積大約兩升,卻比燈泡更加節能。它的運行就像是一個大規模并行分布式處理器。它是事件驅動的,也就是說,它對其所處環境中的事物作出反應。活動狀態時耗能較少,休息狀態下更少。它是一個可重構、容錯的學習機制。它極為擅長于模式識別和關系梳理。

                        而另一方面,計算機的存儲和處理是分離的。它的運行大部分是按照順序依次進行的,并由一個時鐘控制。這個時鐘就像是軍樂隊的一個指揮,將每一個指令和每一份數據驅動到下一個位置——就像有足夠空位的音樂搶椅子游戲。隨著時鐘增速以更快驅動數據處理速度,功耗也隨之大幅上升,甚至在休眠時這些機器也需要大量的電能。更重要的是,編程是必不可少的。它們由電線連接,并且容易出現故障。它們善于執行的是預定義的算法以及分析工作。

                        用來自國防高級研究計劃局(Defense Advanced Research Projects Agency)的4,100萬美元資助款項,阿爾馬登實驗室的科學家在一個稱為神經形態自適應塑料可伸縮電子系統(Neuromorphic Adaptive Plastic Scalable Electronics;簡稱SyNAPSE“突觸”)的項目下開始著手構造大腦。

                        大腦和計算機之間大致相近的特征為為細胞類型設定了角色——神經元、軸突和突觸對應處理器、通信鏈路和存儲器這些電腦組件。這一匹配并不十分精確,因為所有腦細胞之間的分工沒有電腦組件那么明確。但關鍵在于,腦細胞相互都十分靠近,任何特定腦組織中的活動都是由相鄰組織的活動刺激而產生的。也就是說,一個思路刺激產生另一個思路。

                        莫德哈和他的團隊著手為大腦的接線圖繪制地圖并開始人工合成,這是一項艱巨的任務,因為大腦有220億個神經元和220萬億個突觸。2009年5月,一個團隊成功地模擬建立了一個由10億個神經元組成的系統,大約相當于一個較低等哺乳動物的大腦。但其處理速度是實際事件發生速度的千分之一,不足以執行被莫德稱為概括為“4F”的任務:覓食(food)、打架(fight)、逃跑(flight)和交配(mating)。

                        但這一機器的結構同今天的商用電腦已經完全不同。存儲器與處理器組件被緊密結合在一起。它沒有時鐘,操作是不同步的、事件驅動的,也就是說,它們沒有預定的次序或時間表。而它們依賴的是學習而非編程。就像人類一樣。

                        將耗能降低到類似人腦水平的部分做法是,不儲存臨時性的結果(用行業術語來說就是不進行“緩存”)。感知能刺激行動,行動又被感知和并激發進一步的行動。以此類推。

                        該小組最近模擬大腦建成了一個較小版本的硬件裝置,只有256個神經元、26.2萬個可編程突觸和6.5萬個學習突觸。好在這臺機器運行能耗跟大腦的耗能在同一個數量級上。以其原生態能力,這個“小型人腦”可以進行空間導航、機器視覺、模式識別以及聯想記憶等,并可以基于證據生成假設。它有一個“心靈之眼”,可以辨別出事物背后的模式,例如根據一個潦草的筆記,對其實際所代表的數字作出較為準確的猜測。已經比我們前寒武紀的祖先優秀了。

                        莫德哈指出,這種類型的推理很像典型的大腦右半球的功能:直觀、類比與綜合。不滿足于半個大腦,莫德哈設想再加入一個典型的馮諾依曼型計算機,執行左半球的推理行為,讓兩個半球進行信息共享,就像真正的人腦一樣。

                        當它可以上市銷售時,我要讓我自己的大腦去度假,而把思考的任務交給莫德哈的這一杰作。

                        哦,順便說一下,如果你想知道“突觸”項目是否已經可以讓“沃森”退休了,答案是——這還遠遠不可能。沃森還活得好好的,正繼續投入到新的、更加實際的用途中去。

                        例如,由于《危機邊緣》游戲的參賽者沒有“電話求助”這一選項,沃森受限于直接載入其中的數據(不能聯網),但在“沃森”技術的最新應用領域——醫療診斷——互聯網被輕松地添加到了它的語料庫中,使沃森得以在提供答案之前,對范圍更廣的非結構化數據進行搜索。

                        在競賽中,沃森不得不比它的人類選手更快地按下搶答鍵,但那些就一組奇怪的癥狀征求建議的醫生,可以更樂意等上半個小時或更長的時間。所以,沃森可以做出更加審慎的決定。在工作中,沃森是一個嚴肅的機器人。

                      免責聲明:本文章由會員“李龍明”發布如果文章侵權,請聯系我們處理,本站僅提供信息存儲空間服務如因作品內容、版權和其他問題請于本站聯系
                      <address id="v5f1t"><meter id="v5f1t"><dfn id="v5f1t"></dfn></meter></address>

                      <nobr id="v5f1t"><i id="v5f1t"><em id="v5f1t"></em></i></nobr>
                          <font id="v5f1t"></font>

                        <font id="v5f1t"><ruby id="v5f1t"></ruby></font>

                          <listing id="v5f1t"></listing>

                            <dfn id="v5f1t"><ruby id="v5f1t"><form id="v5f1t"></form></ruby></dfn>

                                <dfn id="v5f1t"></dfn>

                                <progress id="v5f1t"><b id="v5f1t"><strike id="v5f1t"></strike></b></progress>

                                  <font id="v5f1t"></font>

                                          国产成人h片视频在线观看