馬格德堡奧托·馮·格里克大學(xué)的計(jì)算機(jī)科學(xué)家旨在利用研究結(jié)果和既定的大腦研究方法，更好地了解人工智能的工作方式。

作為研究項(xiàng)目的一部分，由Dr.-Ing教授領(lǐng)導(dǎo)的科學(xué)家。馬格德堡大學(xué)人工智能實(shí)驗(yàn)室的Sebastian Stober將運(yùn)用認(rèn)知神經(jīng)科學(xué)的方法來(lái)分析人工神經(jīng)網(wǎng)絡(luò)，并更好地了解它們的工作方式。

持續(xù)三年的認(rèn)知神經(jīng)科學(xué)啟發(fā)性技術(shù)可解釋為AI研究項(xiàng)目，簡(jiǎn)稱(chēng)CogXAI，將獲得德國(guó)聯(lián)邦教育與研究部的一百萬(wàn)歐元資金。

人工神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱(chēng)ANN)是一種受自然大腦結(jié)構(gòu)啟發(fā)的自學(xué)習(xí)智能系統(tǒng)。它們像生物神經(jīng)系統(tǒng)一樣，可以通過(guò)實(shí)例學(xué)習(xí)，以獨(dú)立解決復(fù)雜問(wèn)題。

斯托伯教授說(shuō)：“在我們的大腦中，這些網(wǎng)絡(luò)由數(shù)百萬(wàn)個(gè)神經(jīng)細(xì)胞組成，它們通過(guò)化學(xué)和電信號(hào)相互通信，而人工神經(jīng)網(wǎng)絡(luò)可以理解為計(jì)算機(jī)程序。”“由于其強(qiáng)大的學(xué)習(xí)能力和靈活性，近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)以“深度學(xué)習(xí)”一詞確立了自己作為開(kāi)發(fā)智能系統(tǒng)的流行選擇。”

斯托伯及其團(tuán)隊(duì)研究如何在人工神經(jīng)網(wǎng)絡(luò)中找到不同區(qū)域，就像在生物大腦中一樣，神經(jīng)區(qū)域負(fù)責(zé)某些功能。與在磁共振成像掃描儀(MRI)中記錄腦部掃描一樣，AI專(zhuān)家旨在識(shí)別ANN的某些區(qū)域，以便更好地了解其工作方式。

此外，大腦研究還提供了有關(guān)人腦學(xué)習(xí)行為的重要發(fā)現(xiàn)。該計(jì)算機(jī)科學(xué)家都采用這種豐富的經(jīng)驗(yàn)，使人工神經(jīng)網(wǎng)絡(luò)獲得快速和有效的學(xué)習(xí)行為。通過(guò)將人類(lèi)感知和信號(hào)處理的概念轉(zhuǎn)移到人工神經(jīng)網(wǎng)絡(luò)，他們打算發(fā)現(xiàn)這些自學(xué)習(xí)系統(tǒng)如何進(jìn)行預(yù)測(cè)和/或?yàn)槭裁磿?huì)出錯(cuò)。

斯托伯教授解釋說(shuō)：“對(duì)自然大腦的研究已有50多年的歷史了。”“但是，目前，這種潛力幾乎沒(méi)有用于AI架構(gòu)的開(kāi)發(fā)中。通過(guò)將神經(jīng)科學(xué)方法轉(zhuǎn)移到人工神經(jīng)網(wǎng)絡(luò)的研究中，它們的學(xué)習(xí)過(guò)程也將變得更加透明和易于理解。這樣，就有可能在學(xué)習(xí)過(guò)程的早期階段識(shí)別出人工神經(jīng)元的故障，并在訓(xùn)練過(guò)程中進(jìn)行糾正。”

據(jù)斯托伯說(shuō)，人工神經(jīng)網(wǎng)絡(luò)的發(fā)展正在迅速發(fā)展。“通過(guò)使用高性能計(jì)算機(jī)，可以使用越來(lái)越多的人工神經(jīng)元進(jìn)行學(xué)習(xí)。但是，這些網(wǎng)絡(luò)的日益復(fù)雜性使得即使專(zhuān)家們也很難理解其內(nèi)部過(guò)程和決策，”計(jì)算機(jī)科學(xué)家解釋說(shuō)。以及CogXAI項(xiàng)目的負(fù)責(zé)人。“但是，如果我們希望將來(lái)能夠安全地使用人工智能，則必須充分了解它的工作原理。”