人工智能破译人类思维:深度神经网络可识别人的想象

外媒称,日本研究人员已经成功借助人工智能破译了人类的思维和想象,从而在理解人类思想及其背后的大脑机制领域获得了重大突破。

据阿根廷21世纪趋势网站 6月6日报道,破解人类思维的内容是科学界长久以来的愿望。事实上,此前的种种研究也已经实现了破译人类所见、回忆、想象和梦境的内容。

例如另一个日本科学家团队早在 2008 年就成功地在电脑屏幕上直接重现了从人类大脑活动中获取的图像。

但包括这一研究在内的其他以往研究都遭遇了难以逾越的障碍,因为每个个体的大脑内容都具有其独特性,因此思维模式的目录创建很难实现。

报道称,此外,这些模式还必须与少数预编程的图像相结合,这个阶段就需要对实验参与者接受的长期和高成本的图像测试进行无数处理。

不过,根据日本京都大学教授神谷之康及其团队日前发表在《自然·通讯》上的研究报告称,人工智能的到来显然为该领域的研究开辟了新的道路。  他的团队发现,可以利用人工神经网络将人类个体的大脑活动破译和解读成可理解的信号。人工神经网络是一个建立在实验室造神经元基础上的计算机模型,与人类大脑神经元的运行方式类似。  报道称,人工神经网络利用传统算法技术制造出具有理解能力和解决难题能力的计算机软件,能够对人类的思维进行解读。

这一切的基础是人工智能的“深度学习”能力,而这种能力是通过对海量数据的解析获得的。

报道称,日本科学家利用一个深度神经网络(DNN)架构克服了此前在破解人类思维、梦境和想象有关的研究中遇到的种种障碍,得到了出人意料的结果。

“我们研究证实,深度神经网络的信号模式可以被用来识别一个人看到或想象的物体,”神谷指出,“解码器获得了神经网络的模式,并将其与大数据库中的影像进行比对。以此方式对人所见和所想的物体进行识别,成功率很高。”

报道称,在这项研究的框架内,日本科学家还发现大脑视觉区破译神经网络的能力最强,从而揭示了人类大脑与实验室制造的神经网络之间的一种同源性。

下一步,神谷希望能够提高解读人类思维的精确度,“人工智能走近大脑科学或将为大脑和机器之间的新接口打开大门,我们将能够更好地去理解人类意识,”他总结道。来源:医疗

时间: 2024-09-21 13:53:54

人工智能破译人类思维:深度神经网络可识别人的想象的相关文章

费埃哲信息图:分析技术具备类人类思维

预测分析及决策管理软件公司费埃哲公司近日发布信息图,图中列举了大数据分析软件模拟人类大脑运行的几个方面.这些人工智能的应用向一系列的现实问题发起了挑战,不仅打击金融犯罪.阻断黑客入侵,而且能够识别身份. 该信息图着重列举四个例子来阐述人工智能分析技术具备人类思维这一事实,且这四方面技术如都被用于商业应用中.具体如下: 神经网络:利用少量数据间的联系来实时监测支付欺诈.费埃哲FICO Falcon Fraud Manager反欺诈解决方案运用了这一技术,对全球25亿个支付卡账户实施保护; 深度网络

简单读懂人工智能:机器学习与深度学习是什么关系

引言:随着AlphaGo战胜李世石,人工智能和深度学习这些概念已经成为一个非常火的话题.人工智能.机器学习与深度学习这几个关键词时常出现在媒体新闻中,并错误地被认为是等同的概念.本文将介绍人工智能.机器学习以及深度学习的概念,并着重解析它们之间的关系.本文将从不同领域需要解决的问题入手,依次介绍这些领域的基本概念以及解决领域内问题的主要思路. 本文选自<Tensorflow:实战Google深度学习框架>. 从计算机发明之初,人们就希望它能够帮助甚至代替人类完成重复性劳作.利用巨大的存储空间和

美国工程院院士庄炳湟演讲全文:深度神经网络相比早期只是宽度和深度的增加,为何需要60年?

7 月 31 日在清华大学举办的「人工智能与信息安全」清华前沿论坛暨得意音通信息技术研究院成立大会上,有 6 位来自不同领域的特邀嘉宾受邀前来,为大家带来精彩的演讲. 本章为庄炳湟院士演讲实录.按照庄院士要求,文章仅采用文字形式发布.本文经庄炳湟院士审改,以下为讲座文字整理版.本文首发于「北京得意音通」(d-EarTech),雷锋网 AI 科技评论获授权转载. 庄炳湟,美国乔治亚理工学院教授暨乔治亚州研究联盟杰出学者.美国国家工程院院士.美国发明家学院院士.IEEE 会士.中央研究院院士,数家著

【马斯克为 AI 怼上扎克伯格】人工智能威胁人类文明,历史争论总结

马斯克谈"AI 威胁"又成新闻头条,这次怼他的是扎克伯格 Facebook CEO 马克·扎克伯格在线上与其他大人物公开互动并不常见.当他这样做的时候,一般都很友善,并且经过编排,比如说当年他请微软创始人比尔·盖茨帮忙做哈佛大学演讲. 但是,他对特斯拉和 SpaceX 的 CEO 伊隆·马斯克就没有那么亲切了.在本周一的一场 Facebook 现场视频问答中,扎克伯格被人问到他对马斯克呼吁世人积极监管人工智能的看法--马斯克在这方面一直很高调,表示要在机器人变得比人更聪明.变危险前开始

由深度神经网络想到的人生意义和哲理

◆ ◆ ◆ 导读 几周前,我经历工作项目的调动,恰好给了我空余时间重拾那些很久没有碰过的感兴趣的话题.机器学习是我兴趣列表中的第一项.这是一个已经广泛渗入科技领域的话题,但我对其一无所知.仅几周的泛读,已经让我相信我们正加速朝向一个通用人工智能的时代.随着物联网(IOT)设备的快速普及产生了极大量数据,在这方面深度挖掘的进步将会保证这一未来越来越近. 但是基于这篇文章的论述范围,我将把话题限制在讨论以下假设:围绕在我们周围的所有事情构成一张深度神经网络,以及这一观点带来的形而上学的意义. ◆ ◆

【深度神经网络 One-shot Learning】孪生网络少样本精准分类

传统观点一般认为,深度神经网络通常比较擅长从高维数据中学习,例如图像或者语言,但这是建立在它们有大量标记的样本来训练的情况下.然而,人类却拥有单样本学习的能力--如果你找一个从来没有见过小铲刀的人,给他一张小铲刀的图片,他应该就能很高效的将它从其他厨房用具里面鉴别出来. 这是一种对人类来说很容易的任务,但是直到我们想写一个算法让它去做这件事--那就GG了 .很明显,机器学习系统很希望拥有这种快速从少量样本中去学习的能力,因为收集和标记数据是一个耗时费力的工作.而且,我认为这是通往通用人工智能的漫

一篇文章搞懂人工智能、机器学习和深度学习之间的区别

概述 2015年11月9日,Google发布人工智能系统TensorFlow并宣布开源.这两年在不管在国内还是在国外,人工智能.机器学习仿佛一夜之前传遍大街小巷.机器学习作为人工智能的一种类型,可以让软件根据大量的数据来对未来的情况进行阐述或预判.如今,领先的科技巨头无不在机器学习下予以极大投入.Facebook.苹果.微软,甚至国内的百度,Google 自然也在其中. 去年早些时候 Google DeepMind 的 AlphaGo 项目在举世瞩目的围棋比赛中一举击败了韩国选手李世石,媒体就是

人工智能、机器学习、深度学习的区别在哪?

有人说,人工智能(Artificial Intelligence)是未来.人工智能是科幻小说.人工智能已经是我们日常生活的一部分.所有这些陈述都 ok,这主要取决于你所设想的人工智能是哪一类. 例如,今年早些时候,Google DeepMind 的 Alphago 程序击败了韩国围棋大师李世乭九段.人工智能.机器学习和深度学习这些词成为媒体热词,用来描述 DeepMind 是如何获得成功的.尽管三者都是 AlphaGo 击败李世乭的因素,但它们不是同一概念. 区别三者最简单的方法:想象同心圆,人

Facebook人工智能实验室负责人讲深度学习

注:国外媒体发表文章对Facebook人工智能实验室负责人伊恩•勒坤(Yann LeCun)进行评述,文章谈及勒坤所研究的卷积神经网络对人工智能产生深远影响,潜力不容小觑.此外还介绍了他开发的书写数字识别系统LeNets以及他对反向传播算法的研究成果,并对深度学习的前景进行评析. 以下为文章主要内容: 马克•扎克伯格精心挑选了深度学习专家伊恩•勒坤担任Facebook人工智能实验室的负责人.该实验室于去年年底成立.作为纽约大学任教已久的教授,伊恩•勒坤对深度学习(deep learning)的研