自学成才的人工智能显示出与大脑工作方式的相似之处

神经科学家使用 AlexNet 或其后继者等神经网络创建了第一个灵长类视觉计算机模型。 结果很有希望。 当向真实神经元和人工神经元展示猴子的图像时，它们表现出显着的对应关系。 然后，开发了用于气味和听力检测的人工模型。

随着该领域的发展，研究人员开始意识到监督学习的局限性。 2017 年，图宾根大学的德国计算机科学家莱昂·盖蒂斯 (Leon Gatys) 和他的同事拍摄了一张福特 T 型车的照片，然后他们在图像中添加了豹皮图案，创造出一种奇怪但易于识别的效果。 原始图像被领先的人工神经网络正确识别为 Model T，但修改后的图像被归类为豹。 它专注于纹理，不了解汽车或豹子的形状。

这些问题可以通过使用自我监督学习策略来避免。 这种方法不需要人工标记数据。 Friedemann Zenke 是一位计算神经科学家，也是瑞士巴塞尔 Friedrich Miescher 生物医学研究所的成员。 他说“标签是由数据本身生成的”。 自监督算法会创建数据缺口，然后要求神经网络填补这些缺口。例如，在大型语言模型中，算法会向神经网络显示前几个句子，并要求它猜测下一个单词。 该模型在使用大量互联网文本进行训练时，似乎可以学习该语言的句法结构。 它显示出令人印象深刻的语言能力，所有这些都没有外部标签或监督。

来源和详细信息：
https://www.quantamagazine.org/self-taught-ai-shows-similarities-to-how-the-brain-works-20220811/