AI从文字上闯入更高的维度，以模仿人的大脑并实现真正的智力

• 当前的AI技术已经撞到了一堵墙，从而阻止了它达到人工通用智能。
• 下一个设计飞跃涉及添加一种尝试模仿人脑的工作方式的复杂性。
• 如果它发挥了潜力，AI智能可能会飞速地思考更像人类，包括直觉。它甚至可以帮助我们更好地了解我们的大脑。

我们所说的核心人工智能是人工神经网络。他们的名字意味着具有生物学启发的创新，旨在模仿神经网络的功能脑。就像我们的大脑一样，这些网络在三维空间中运行，建立了人工神经元的宽层和深层。

这种受脑启发的模仿的开创性性可能被夸大了。这位突破性物理学家约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton）背后的两个领先思想甚至去年获得了诺贝尔奖。而人工智能受其工作启发的模型具有重新构想的技术，这些系统，这些系统，尤其是在人工智能，还可以解锁我们自己大脑的长期奥秘。

但是现在，人工智能系统可以真正变得更像人类的大脑，一些研究人员认为他们知道如何：AI设计必须从字面上提升到另一个维度。尽管当前的模型已经具有某些宽度和深度参数，但可以重塑AI，以使研究人员称之为额外的结构化复杂性。纽约伦斯勒理工学院和香港城市大学的两名科学家在一项新的研究中解释了这一受到脑力启发的想法在日记中模式今年四月。

AI模型已经具有宽度，一层中的节点数量。每个节点都是一个基本的处理单元，它采用输入并在较大网络中创建输出，例如大脑中的神经元一起工作。还有深度，网络中的层数。这项研究的共同作者是Rensselaer理工学院的GE Wang博士，他解释了这一点：“想象一个城市：宽度是街道上的建筑物的数量，深度是您经过多少街道，而高度是每个建筑物的高度。他在一封电子邮件中说，任何建筑物中的任何房间都可以与城市的其他房间进行通信。当您增加高度时，作为内部接线或快捷方式之内一层，它在神经元之间产生了更丰富的相互作用，而不会增加深度或宽度。它反映了大脑中的局部神经回路...相互作用以改善信息处理。

Wang和他的合着者Feng-Lei粉丝博士通过引入层内链接和反馈回路来实现神经网络中的这种增加的维度。王说，层内链路类似于大脑皮质柱中发现的横向连接，该连接与高级认知功能有关。这些链接在同一层中形成神经元之间的连接。同时，反馈回路类似于复发信号传导，这是输出影响输入的地方。王说，这可以改善系统的记忆，感知和认知。

王说，它们共同帮助网络随着时间的流逝而发展，并变成稳定的，有意义的模式，例如您的大脑即使从模糊的图像也可以识别出脸部。”这些结构丰富了随着时间的流逝，就可以完善决定的能力，就像大脑的迭代推理一样。”

AI最引人注目的飞跃可能是在诸如Chatgpt之类的大语言模型的诞生中。2017年6月12日，来自Google的八位研究人员写了这篇论文：“您需要的是关注，介绍了一种新的深度学习架构，称为“变压器”，这种技术着重于注意力机的注意机制，该机制大大缩短了A.I的训练时间。型号。这篇论文在很大程度上助长了随后的AI BOOM，这就是为什么AI突然一次一次无处不在。

但是，它并没有实现大多数人工智能研究的圣杯：人工通用情报（Agi）。这是AI系统适应真正思考的时刻。一些未来主义者认为AGI是达到假设的关键途径奇异性，AI超过人类认知能力的点。

根据研究合着者王的说法，变形金刚架构不满足AGI的要求是因为它具有一定的固有局限性。路透社在2024年报道说，AI公司不再看到先前观察到的AI能力指数增长。ai s扩展法<较大的数据集和更多资源会使模型越来越好的想法不再起作用。这促使一些专家相信需要新的创新来进一步推动这些模型。这项新研究表明，整合层内链接和反馈循环可以使模型能够联系，反映和完善产出，从而使它们既聪明又更加节能。

王说，一个误解是，我们的观点只是提出了更复杂的意义。”我们的目标是结构化的复杂性，添加了尺寸和动态，这些维度和动态反映了智力在自然界中的产生方式，而不仅仅是堆叠更多的层或参数。”

作者如何提出这种复杂性的一个令人着迷的例子是在反馈循环中，“相位过渡”将促进智能行为。核心思想是，这些过渡可以创建最初在系统组件中最初存在的新行为。就像冰融化成水一样，AI系统也可以发展为稳定的州。

对于AI，这可能意味着从模糊或不确定的产出转变为自信，连贯的系统，因为它会收集更多的上下文或反馈。”这些过渡可以标志着AI真正了解任务或模式的一点，就像人类的直觉启动一样。

反馈循环和层内联系，模仿人类思想的洞察力和意义的方式不足以立即预示Agi时代。但是，正如Wang在他的研究中提到的那样，这些技术可以帮助AI模型超越变形金刚建筑，如果我们希望达到AI研究的圣杯，这是至关重要的一步。

将更多类似大脑的功能引入AI体系结构不仅可以使AI更透明（即，我们知道它是如何得出某些结论的），而且还可以帮助我们调查自己的人类思想如何运作的神秘而令人生畏的难题。作者指出，该应用可以为科学家提供一个探索人类认知的模型，同时还研究了神经系统疾病，例如阿尔茨海默氏症和癫痫。

尽管从人类生物学中汲取灵感带来了好处，但王认为AI的未来是神经形态体系结构，例如人类大脑与其他系统共存的人。甚至可能是控制亚原子颗粒行为的量子系统，我们仍在努力充分理解。

大脑启发的AI为复杂问题提供了优雅的解决方案，尤其是在感知和适应性方面。同时，AI还将探索数字，模拟甚至量子系统独有的策略。最佳地点可能在于混合设计，自然借来的借钱以及我们超越自然的想象力。