当今的人工智能革命正在从根本上重塑我们的生活、工作和娱乐方式。几十年前，生物科学学院和索尔克研究所的 Terry Sejnowski 教授帮助开创了一个基金会，为当前人工智能进步的浪潮奠定了基础。作为神经生物学系的教授，Sejnowski 在神经网络和计算神经科学方面的研究在我们今天经常接触的人工智能中发挥了不可或缺的作用。为了表彰这些贡献，Sejnowski 被授予2024年大脑奖，普林斯顿大学荣誉科学博士学位，并命名为圣地亚哥 ARCS 基金会年度科学家。他最近还因其对人工智能开发的贡献而获得认可诺贝尔奖获得者杰弗里·辛顿。他的书《ChatGPT 和人工智能的未来》于 10 月 29 日由麻省理工学院出版社出版，他拥有免费子栈关于大脑和人工智能。在这次采访中，他讨论了导致当今人工智能革命的大脑研究之路、ChatGPT 等系统如何发展以及人工智能的未来。
Terry Sejnowski 教授，生物科学学院和索尔克研究所神经生物学系。
人工智能研究的早期是什么样的？
多层神经网络学习发明于 20 世纪 80 年代，当时人们普遍认为这是不可能的。我是开发和使用这些学习算法的先驱。当时，我们不知道需要多少计算量才能在人工智能难题上取得进展。四十年后，我们得到了答案：今天的深度学习网络拥有数十亿个类似神经元的单元和数万亿个类似突触的权重。
您在神经科学和人工智能的融合中扮演了什么角色？
帕特里夏·丘奇兰 (Patricia Churchland) 和我在 1992 年写了一本书，名为计算大脑。早期网络模型中单元的活动模式类似于大脑中神经元的反应。这表明，通过学习，可以将任务分配给多个单元，每个单元做出很小的贡献。这些网络有数百个单位和数千个权重，按照今天的标准来看很小。我是计算神经科学的先驱，计算神经科学已成为神经科学的重要组成部分。作为神经信息处理系统基金会的主席，我继续在机器学习和人工智能领域发挥领导作用，该基金会组织了最大的人工智能会议。
您对人工智能的愿景是模仿人类大脑的。您为什么决定遵循这种思维方式？
从视觉、语言和规划来看，人工智能问题可以解决的唯一证据是大自然已经解决了这些问题。相比之下，人工智能研究人员试图通过使用逻辑、规则和抽象符号编写计算机程序来解决困难的计算问题，但收效甚微。然而，当我开始我的职业生涯时，这种方法是“城里唯一的游戏”。过去十年里，人工智能的转变证实了我们的直觉：“城里唯一的游戏”就是自然，通过研究大脑我们可以学到更多东西。
Terry Sejnowski 教授撰写了一本关于深度语言革命的新书《ChatGPT 和人工智能的未来》。
神经科学和神经网络研究如何引导我们在人工智能领域取得今天的成就？
大脑有许多相互作用的神经元，它们通过经验进行学习。学习是人工智能所缺少的秘密武器。当与丰富的数据相结合时，网络学习可以随着规模的扩大而完美地扩展。随着网络模型变得越来越大，2010 年达到了一个阈值，图像中的对象识别和语言翻译成为可能。最近，您可以与生成式人工智能对话，并要求它按需生成逼真的图像。
您已经研究了 ChatGPT 如何镜像其用户。为何如此？
ChatGPT 接受了全球文本数据库的训练，其中包括许多教科书、小说和计算机程序。GPT 可以模仿这些作者，甚至可以编写计算机代码。GPT 将以复杂的答案来回答复杂的问题，以愚蠢的答案来回答愚蠢的问题。如果您不告诉 GPT 您希望它采用什么角色，它就会反映您的智力。从某种程度上来说，ChatGPT 正在测试你的智力，这是人类判断 AI 智力的图灵测试的逆转。
人工智能和神经科学领域会继续融合吗？
人工智能是一项工程任务，其目标是构建智能机器。神经科学是一个科学问题，其目标是了解大脑。但现在这两个领域使用相同的数学语言，它们之间的相互影响对双方都有利。这两个领域都在经历加速进步的革命。我们正在探索一个新的计算宇宙，这是一个比以往任何时候都更丰富的解决科学和社会难题的解决方案来源。
您认为人工智能革命接下来会发生什么？您现在在这个领域从事的工作中是否有任何让您特别兴奋的事情？
为 ChatGPT 提供动力的 Transformer 是前馈模型，其中信息沿一个方向流动；然而，最新版本纳入了循环网络模型，其中的活动可以循环，类似于我们大脑皮层中发生的情况。这对大脑如何产生思想和语言有影响。Transformer 是经过预训练的并且可以进行微调，但是在回答问题时不会发生额外的学习。变形金刚还需要相当于我们大脑中的海马体，这使我们能够成为终身学习者。
了解有关加州大学圣地亚哥分校研究和教育的更多信息：人工智能
保持了解
了解加州大学圣地亚哥分校的所有最新动态。订阅今天的时事通讯。
