Homepage Cyberwar Cybersecurity Cyberspace C-Spionage C-Sabotage Gefährdung Kriminalität Computer Kommunikation mod. Systeme Der Mensch Beratung Bildung Fachberichte Information Kryptologie Emission Verschlüsselung Forschung Begriffe Recht Technik Verschiedenes
Künstliche Intelligenz  Wie funktioniert das ? Anwendungsbeispiele Politik Realisierung M i l i t ä r Unternehmen  Finanzen Chancen und Risiken aus der Forschung Quo vadis
Künstliche Intelligenz

Wohin gehst Du "künstliche Intelligenz"

Freund oder Feind? Wissenschaftler zu skizzieren, was Sie von AI in den nächsten Jahren zu erwarten

 



Künstliche Intelligenz, Reverse-Engineering des Gehirns voraus


Europas Plan für eine sichere künstliche Intelligenz

 

 





 


 

 

 

 

 
 
W I R E D

Künstliche Intelligenz, Reverse-Engineering des Gehirns voraus

Künstliche Intelligenz, Reverse-Engineering des Gehirns voraus

Fortschritte in der Intelligenz-Forschung kommen aus der Konvergenz von Technik und NeurowissenschaftenGettyimages
Ihr drei-Pfund-Gehirn läuft auf nur 20 Watt Leistung – kaum genug, um eine schwache Glühbirne Licht. Noch hat die Maschine hinter unseren Augen Zivilisationen von Grund auf neu gebaut, erforscht die Sterne und überlegte unserer Existenz. Im Gegensatz dazu können IBM Watson, ein Supercomputer, die auf 20.000 Watt läuft Menschen bei Berechnung übertreffen und Jeopardy! aber noch keine Übereinstimmung für menschliche Intelligenz.
KABELGEBUNDENE MEINUNG
ÜBER
James J. DiCarlo, MD/PhD, ist Professor für Neurowissenschaften, ein Ermittler in der McGovern-Institut für Hirnforschung und das Center for Brains, Minds und Maschinen und der Leiter der Abteilung des Gehirns und Kognitionswissenschaften am Massachusetts Institute of Technologie.
Watson, weder jedes andere künstlich "intelligentes" System können neue Situationen zu navigieren, ableiten, was andere glauben Sprache zu kommunizieren, Poesie und Musik zum Ausdruck bringen, wie es sich anfühlt zu schreiben und Mathe, Brücken, Geräte, bauen zu schaffen, und Leben retten Medikamente. Warum nicht? Die Gesellschaft, die löst das Problem der Intelligenz führt die Zukunft, und jüngsten Fortschritte zeigt, wie wir diese Chance nutzen können.
Stellen Sie sich menschlichen Intelligenz als einen Wolkenkratzer. Statt der Stahlträger und Beton ist diese Struktur mit Algorithmen oder Sequenzen von interagierenden Regeln, die verarbeiten Informationen auf geschichtet und Interaktion mit einander wie die Stockwerke des Gebäudes gebaut.
Die Stockwerke über der Straße vertreten die Schichten der Intelligenz, dass der Mensch einige bewussten Zugang zu logisches Denken mag. Diese Schichten inspiriert das Streben nach der künstlichen Intelligenz in den 1950er Jahren. Aber die wichtigsten Schichten sind die vielen Böden, die Sie nicht, in den Keller und Fundament sehen. Dies sind die Algorithmen der täglichen Intelligenz, die bei der Arbeit sind, jedes Mal, wenn wir jemand erkennen, wir wissen, hören Sie eine Stimme auf einer überfüllten Party oder lernen Sie die Regeln der Physik durch das Spielen mit Spielzeug wie ein Baby. Während diese unterbewussten Ebenen so, dass sie oft unbemerkt in unserer Biologie eingebettet sind, ohne sie bricht die gesamte Struktur der Intelligenz.
Als ein Ingenieur-gedreht-Neurowissenschaftler, ich studiere das Gehirn Algorithmen für eine dieser grundlegenden Schichten – visuelle Wahrnehmung, oder wie Ihr Gehirn interpretiert Ihre Umgebung mit Vision. Mein Feld hat vor kurzem einen bemerkenswerten Durchbruch erlebt.


Seit Jahrzehnten Ingenieure Bauten viele Algorithmen zur Bildverarbeitung, doch diese Algorithmen jedes blieben weit hinter den menschlichen Fähigkeiten. Parallel angesammelt Kognitionswissenschaftlern und Neurowissenschaftler wie mich unzählige Messungen, die beschreiben, wie das Gehirn visuellen Informationen verarbeitet. Sie beschrieben das Neuron (der grundlegende Baustein des Gehirns), entdeckte, dass viele Neuronen in einer bestimmten Art von mehrschichtigen, "tief" Netzwerk angeordnet sind, und gemessen, wie Neuronen innerhalb dieser neuronalen Netzwerks auf Bilder der Umgebung reagieren. Sie charakterisiert, wie Menschen schnell und genau auf diese Bilder reagieren, und sie schlugen vor, dass mathematische Modelle wie neuronale Netze aus Erfahrung lernen könnten. Doch nicht diese Ansätze allein das Gehirn Algorithmen für die intelligente visuelle Wahrnehmung zu entdecken.
Der wesentliche Durchbruch kam, als Forscher eine Kombination von Wissenschaft und Technik verwendet. Insbesondere begann einige Forscher, Algorithmen aus Gehirn-Like, mehrstufige, künstliche neuronale Netze zu bauen, so dass sie Neuronale Reaktionen wie die hatten, die Neurowissenschaftler im Gehirn gemessen hatte. Sie verwendet auch mathematische Modelle von Wissenschaftlern vorgeschlagen um zu lehren diese tief neuronale Netze um visuelle Aufgaben, die Menschen erwiesen sich besonders gut – wie Objekte aus vielen Perspektiven zu erkennen.
Diese kombiniert Ansatz schoss in 2012, wenn Computer-Hardware hatte fortgeschritten genug Ingenieure diese Netzwerke aufzubauen und Lehren sie mit Millionen von Bildern in den Vordergrund. Bemerkenswert ist, diese Gehirn-Like, künstliche neuronale Netze plötzlich wetteifern menschliche visuellen Fähigkeiten in verschiedenen Bereichen, und infolgedessen, Konzepte wie selbstfahrende Autos sind nicht so weit hergeholt wie sie einst schien. Mittels Algorithmen inspiriert durch das Gehirn, haben Ingenieure verbessert die Fähigkeit der selbstfahrende Autos in ihrer Umgebung sicher und effizient zu verarbeiten. In ähnlicher Weise nutzt Facebook diese visuelle Erkennung Algorithmen zu erkennen und sogar schneller als Sie können Freunde auf Fotos markieren.

Fortschritt ergeben nicht aus Ingenieuren und Wissenschaftlern aus Silos; Es ergab sich aus der Konvergenz von Technik und Wissenschaft.
Diese tiefe lernen Revolution hat eine neue Ära in A.I. Es hat Technologien von der Anerkennung von Flächen und Objekten und Rede, um automatisierte Sprachübersetzung, autonomes fahren, völlig umgestaltet. Die technologischen Fähigkeiten unserer Spezies wurde in wenigen Jahren revolutioniert – der ein Wimpernschlag auf der Zeitskala der menschlichen Zivilisation.
Aber das ist nur der Anfang. Tief Lernen Algorithmen resultiert aus neuen Verständnisses von nur einer Schicht der menschlichen Intelligenz – visuelle Wahrnehmung. Es gibt keine Begrenzung, was von einem tieferen Verständnis der anderen algorithmischen Schichten der Intelligenz erreicht werden kann.
Wie wir dieses Ziel anstreben, sollten wir die Lektion beherzigen, dass Fortschritt nicht von Ingenieuren und Wissenschaftlern aus Silos geführt hat; Es ergab sich aus der Konvergenz von Technik und Wissenschaft. Weil viele mögliche Algorithmen eine einlagige menschliche Intelligenz erklären könnten, sind Ingenieure nach der sprichwörtlichen Nadel im Heuhaufen suchen. Jedoch wenn Ingenieure bemühen Algorithmus-Gebäude und Tests mit Entdeckungen und Messungen von Gehirn und kognitive Wissenschaft führen, erhalten wir eine Kambrische Explosion in A.I.
Dieser Ansatz der Arbeit rückwärts aus Messungen des funktionierenden Systems Engineer Modelle wie das System funktioniert nennt man reverse-Engineering. Die Entdeckung der Funktionsweise des menschlichen Gehirns in der Sprache der Ingenieure führt nicht nur transformative A.I. zu Es leuchtet auch neue Ansätze zur Hilfe für diejenigen, die Blind, taub, autistisch, schizophren, oder Lernbehinderungen oder altersbedingten Gedächtnisverlust. Bewaffnet mit einer technischen Beschreibung des Gehirns, sehen Wissenschaftler neue Wege, um zu reparieren, zu erziehen und zu unserem eigenen Geist zu erweitern.


Das Rennen ist zu sehen, wenn reverse-Engineering eine schnellere und sicherere Route zu echten A.I. als herkömmliche weiterhin, sogenannte Forward engineering, das Gehirn ignoriert. Der Gewinner dieses Rennens wird die Wirtschaft der Zukunft führen, und die Nation ist positioniert, um diese Gelegenheit zu ergreifen. Aber dazu braucht die USA bedeutende neue finanzielle Verpflichtungen aus Regierung, Philanthropie und Industrie, die Unterstützung von neuen Teams von Wissenschaftlern und Ingenieuren gewidmet sind. Darüber hinaus müssen Universitäten neue Industrie-Universität-Partnership-Modelle erstellen. Schulen benötigen, Gehirn und kognitive Wissenschaftler in Konstruktion und Berechnung, trainieren trainieren Ingenieure im Gehirn und Kognitionswissenschaften, und Mechanismen der beruflichen Aufstieg, die solche Teamarbeit belohnen zu wahren. Um A.I. voraus, reverse engineering des Gehirns ist der richtige Weg. Die Lösung befindet sich direkt hinter unseren Augen.
KABELGEBUNDENE Meinung * Stücke geschrieben von externen Autoren veröffentlicht und stellt eine Vielzahl von Veranschaulichungen. *
https://www.wired.com/story/to-advance-artificial-intelligence-reverse-engineer-the-brain/

 

/