如今，人工智能的基礎(chǔ)流程實際上是愚蠢的。波鴻(Bochum)的研究人員正在努力使它們變得更智能。

激進(jìn)大趨勢甚至可能是一種風(fēng)險：人工智能已經(jīng)滲透到所有工業(yè)領(lǐng)域，并使媒體忙碌。RUB神經(jīng)計算研究所的研究人員已經(jīng)研究了25年。他們的指導(dǎo)原則是：為了使機(jī)器真正地智能化，新方法必須首先使機(jī)器學(xué)習(xí)更加有效和靈活。

“如今，成功的機(jī)器學(xué)習(xí)有兩種類型：深度神經(jīng)網(wǎng)絡(luò)(也稱為深度學(xué)習(xí))以及強(qiáng)化學(xué)習(xí)，”神經(jīng)元系統(tǒng)理論教授Laurenz Wiskott教授解釋說。

神經(jīng)網(wǎng)絡(luò)能夠做出復(fù)雜的決定。它們經(jīng)常用于圖像識別應(yīng)用中。維斯科特說：“例如，他們可以從照片中分辨出被攝對象是男人還是女人。”

這種網(wǎng)絡(luò)的結(jié)構(gòu)受到大腦中神經(jīng)細(xì)胞或神經(jīng)元網(wǎng)絡(luò)的啟發(fā)。神經(jīng)元通過幾個輸入通道接收信號，然后決定它們是否以電脈沖的形式將信號傳遞給下一個神經(jīng)元。

神經(jīng)網(wǎng)絡(luò)同樣接收多個輸入信號，例如像素。第一步，許多人工神經(jīng)元通過簡單地將輸入乘以不同但恒定的權(quán)重，然后將它們相加，從幾個輸入信號中計算出一個輸出信號。這些算術(shù)運算中的每一個都產(chǎn)生一個值(以男性/女性為例)，對女性或男性的決策貢獻(xiàn)不大。Laurenz Wiskott解釋說：“但是，通過將負(fù)結(jié)果設(shè)置為零，結(jié)果會略有改變。這也是從神經(jīng)細(xì)胞復(fù)制而來的，對于神經(jīng)網(wǎng)絡(luò)的性能至關(guān)重要。”

直到網(wǎng)絡(luò)在最后階段做出決定之前，相同的事情會在下一層再次發(fā)生。該過程中的階段越多，功能越強(qiáng)大–具有100多個階段的神經(jīng)網(wǎng)絡(luò)并不少見。神經(jīng)網(wǎng)絡(luò)通常比人類更能解決歧視任務(wù)。

這樣的網(wǎng)絡(luò)的學(xué)習(xí)效果是基于對正確的加權(quán)因子的選擇，這些加權(quán)因子最初是隨機(jī)選擇的。勞倫茲·維斯科特(Laurenz Wiskott)表示：“為了訓(xùn)練這樣的網(wǎng)絡(luò)，從一開始就指定輸入信號以及最終決定的內(nèi)容。”因此，網(wǎng)絡(luò)能夠逐漸調(diào)整加權(quán)因子，以便以最大的可能性最終做出正確的決策。

另一方面，強(qiáng)化學(xué)習(xí)是受心理學(xué)啟發(fā)的。在這里，算法做出的每個決定(專家稱其為代理人)都會得到獎勵或懲罰。“想象一下中間有座席的網(wǎng)格，” Laurenz Wiskott說道。“它的目標(biāo)是通過最短的路線到達(dá)左上方的盒子，但它不知道。”代理商唯一想要的就是獲得盡可能多的獎勵，否則就毫無頭緒了。首先，它會隨意移動，未達(dá)到目標(biāo)的每一步都會受到懲罰。只有朝著目標(biāo)邁進(jìn)才有回報。