过去20年间，深度学习通过一系列有效的商业应用在人工智能研究和项目中占有优势。但光彩背后，一些根深蒂固的问题威胁着技术的提升。举例来说，典型的深度学习程序无法很好地执行一项以上的任务，严重限制了该技术在严格控制环境下特定任务的应用。更严重的是，有人称深度学习不可信，因为其无法解释，而且它不适合某些应用程序，可能出现的遗忘可导致灾难性后果。说得更直白一点，即使算法确实有效，也不能完全了解为什么有效。虽然深度学习工具正在慢慢学习新的数据库，但其学习记忆的任意部分都可能会突然发生崩溃。因此，在生死攸关的应用上（如医疗应用），使用深度学习可能存在风险。IEEE会士斯蒂芬•格罗斯伯格（Stephen Grossberg）在其新书《意识思维、共振大脑：大脑如何形成思维》（Conscious Mind, Resonant Brain: How Each Brain Makes a Mind）中表示，需要一种完全不同的方法。该书以格罗斯伯格数十年来在认知和神经领域的研究为基础，描述了生物智能和人工智能的替代模型。格罗斯伯格将自己的模型称为自适应共振理论（ART）。作为波士顿大学认知和神经系统、数学和统计学、心理和脑科学以及生物医学工程的知名教授，格罗斯伯格的ART是关于大脑如何处理信息的基础理论。“在充满突发事件、不断变化的世界中，我们的大脑通过学习来识别并预测物体和事件。”他这样说。基于这个动态过程，ART使用监督学习和无监督学习方法来解决模式识别、预测等问题。使用该理论的算法已得到大规模应用，例如声纳和雷达信号分类、睡眠呼吸暂停检测、电影推荐和基于计算机视觉的辅助驾驶软件。格罗斯伯格表示，可以放心使用ART，因为它是可解释的，且不会发生灾难性遗忘。他补充说，ART解决了所谓的稳定性-可塑性困境：大脑或其他学习系统如何能够自主快速学习（可塑性）而不发生灾难性遗忘（稳定性）。格罗斯伯格于1976年提出ART理论，是大脑智能建模的先驱。他是波士顿大学自适应系统中心的创始人和主任，同时兼任教育、科学和技术学习重点基地的创始主任。这两个中心致力于探索和了解大脑是如何适应和学习的，并根据他们的发现开发技术应用。在这本近800页的书中，格罗斯伯格试图解释“我们称为大脑的这一小疙瘩肉”如何产生思想、感觉、希望、感知和计划。特别是，他描述的生物神经模型试图解释该过程是如何发生的。此书还涉及一些疾病的根本原因，例如阿尔茨海默症、自闭症、健忘症、创伤后应激障碍等。“了解大脑如何产生思维对设计计算机科学、工程和技术领域的智能系统（包括人工智能和智能机器人）也很重要。”他写道，“多家公司已经在多项工程和技术应用中运用书中总结的受生物学启发的算法。”
他称，书中的理论不仅有助于理解大脑，亦可用于设计智能系统，自主适应不断变化的世界。总而言之，该书描述的基本过程使人变得聪明、自主、多才多艺。
格罗斯伯格写道，大脑通过进化适应新的挑战。大脑有一套通用机制可控制人如何保留信息，不遗忘已经学到东西。“我们保留对过去经历的稳定记忆，这些事件序列存储在我们的工作记忆中，帮助预测我们未来的行为。”他说，“人有能力在一生中持续学习，而新的学习不会冲刷之前所学的重要信息的记忆。”他称，传统的人工智能面临的一个问题在于，经常使用源自内省和常识的概念和操作，建立大脑可能如何工作的模型。“这种方法假设你可用人们描述日常生活的物体和行为的概念与词语来内省大脑的内部状态。”他写道，“这个方法很吸引人，但其结果往往不足以建立生物大脑如何真正运作的模型。”格罗斯伯格表示，当今人工智能的问题在于试图模仿大脑处理的结果，而非探索产生结果的机制。大脑中有特殊的电路，可使人的行为“即时”感知和适应新的情境。他补充说，人可以从新情境中学习，将突发事件整合到所收集的知识和对世界的预期中。ART的网络源自人和动物与环境互动的思想实验，他补充称：“ART电路是人类和其他陆生动物已成功适应的多种环境限制的计算解决方案。”事实表明，ART设计可能以某种形式嵌入未来的自适应自主智能设备，无论是生物的还是人工的。“未来的技术和人工智能将越来越依赖于这类自我调节系统。”格罗斯伯格总结道，“在自动驾驶汽车和飞机等的设计中，这类情形已经发生。当大脑设计的深入见解融入到资金雄厚的工业研究和应用中，想想将能够取得多少成果，真是令人兴奋。”来源：悦智网 作者：Kathy Pretz
欢迎报名参加
西门子形式验证研讨会
