Lei Feng réseau par: 28-30 Juillet 2017, organisée par la Fédération chinoise Computer (CCF) haut de gamme événements académiques - ateliers frontière de la Chine Fédération informatique (CCF avancée Disciplines conférences, abréviation ADL) sur 81 Académie chinoise des sciences à Beijing Institut de technologie informatique tenue.

L'atelier était présidé par le chef du Département des sciences informatiques, Collège des sciences de l'information et de la technologie, l'Université de Pékin professeur Huang Tiejun, et six autres de Daniel le milieu universitaire, l'industrie, a expliqué le « cerveau comme l'informatique » associée à des applications de pointe pour le terrain d'une centaine d'étudiants . Lei Feng réseau écouter aussi sur la scène.

Professeur, École des sciences, Université de Pékin, Département des sciences informatiques et de la technologie, le Fonds national de la science pour le gagnant distingué Young, le ministère de l'Education Changjiang Scholar Président Professeur

Professeur Huang Tiejun examen du développement de l'informatique et de l'intelligence artificielle, nous sommes actuellement dans la première année du cerveau informatisé informatique neuromorphic proposé. A la naissance de la grippe aviaire et une forte production AI, la cartographie de la carte du cerveau, l'informatique neuromorphic, AI a ouvert ses yeux pour le cadre pour expliquer le cerveau comme calcul. Huang Tiejun think par rapport à cerveau inspiré Computing (inspiré du cerveau informatique), cerveau comme (cerveau imitation) est une voie possible percée est de « forte intelligence artificielle » étape nécessaire, probablement plus que « AI » (artificielle conçu intelligent) et « sciences cognitives » (comprendre le mécanisme de la pensée) atteint plus tôt.

Lei Feng réseau a été modifié sans changer l'intention initiale du discours dans son intégralité, a montré ce qui suit:

Membres Bonjour, tout le monde! Heureux que les gens se soucient comme l'informatique du cerveau, neuromorphic calcul de ce nouveau sujet. Bien que cette question j'ai parlé l'année dernière, mais cette année, il y a quelques nouveaux développements, mais aussi le déploiement de certains pays concernés, il a déjà commencé. Je pense donc que ce discours, ou faut faire du travail de recherche de suivi va jouer un certain soutien et promouvoir le rôle.

Le concept de cerveau comme l'informatique et dans ce sens et les champs suivants, un travail doit être fait en termes de quoi et quel niveau de travail, ne peut pas exactement la même chose, mais est maintenant lentement formé la compréhension de chaque personne un certain consensus. Ce séminaire, nous avons invité sept conférenciers, ce matin, je suis ici d'abord que je comprends le concept de l'informatique du cerveau de classe, ainsi que des progrès à la maison et à l'étranger.

J'ai utilisé le titre anglais --Brain-like informatique cerveau de classe informatique, certains enseignants aiment appeler d'inspiration cerveau informatique, informatique inspiré par le cerveau, mais je préfère être appelé comme un cerveau informatique. neuromorphic calcul du mot un peu plus de point de professionnel, universitaire, mais sur les rapports des médias, le cerveau de classe pour calculer et permettre au public de comprendre. Mais derrière, il y a beaucoup d'ambiguïté, nous disons un cerveau de classe, comment la classe du cerveau, ont immédiatement beaucoup de leur propre compréhension et l'interprétation. Neuromorphique calculer un nombre plus précis du mot, ce nouveau modèle de calcul que nous faisons, le paradigme informatique, est en fait une forme de nerf, je vais vous expliquer neuromorphic. Si vous faites des documents académiques écrire, je vous suggère d'utiliser « l'informatique neuromorphic » est le mot, trouvera une partie de la littérature précédente ou, plus précisément.

En fait, je pense que toutes les personnes qui se livrent à un ordinateur, il y aura un rêve psychologique de l'intelligence artificielle. L'ordinateur peut être considéré comme la plus influente invention dans l'histoire humaine, cette invention peut faire à la fin? Les gens veulent entrer dans les ordinateurs d'un ordinateur peut faire la logique de calcul plus puissant et un large éventail de capacités de traitement de l'information, il ne peut pas remplacer le cerveau que le cerveau. Lorsque l'on compare l'ordinateur avec le cerveau quand, en général, on se sent hors de portée.

Nous avons vu dans les médias sur Hawking et Musc parler de l'intelligence artificielle, en disant que si vous développez l'intelligence artificielle, l'affirmation de la société humaine sera grandement affectée, mais si le super intelligence artificielle semble, nous aurions pu être une race humaine à l'extinction . Beaucoup de gens opposent Hawking et Musk, l'intelligence artificielle de ne peuvent pas être considérés comme super, mais ne sont pas des preuves suffisantes.

Après environ 2014, je pense que cette route est certainement là, nous devons donc mettre cette chose sur la route réalisée. I 7 Janvier à l'hebdomadaire lecture, a publié un article de super-cerveau fabrication. Plus tard, en Février, quand a publié un livre intitulé « super-intelligent. »

En général, de plus en plus de gens pensent que, fondamentalement, super-intelligence est possible, si la route est là. Retour à la science informatique, Turing a proposé l'année dernière est un modèle informatique de 80 ans, 70 ans de la première invention de l'intelligence artificielle de l'ordinateur est un concept mis en avant 60 ans, est le 10e anniversaire de la profondeur de l'apprentissage qu'un document publié dans Science. L'année dernière, la plate-forme informatique du cerveau de classe ou d'un nerf informatique, il y a eu de nombreux événements marquants, nous croyons qu'une nouvelle génération d'ordinateurs ont fait leur apparition, l'ordinateur est entré dans une nouvelle période historique. Donc, nous nous concentrons aujourd'hui est quelque chose qui se passe maintenant, probablement divisé en cinq zones.

Tout d'abord, l'IA a mis le pied sur le bon chemin

La première intelligence artificielle de l'intelligence artificielle m'a appelé à pied sur le bon chemin, bien sûr, en intelligence artificielle depuis 60 ans, pourquoi enfin dans la bonne direction aujourd'hui? Ne signifie pas que avant tout faux, dire juste avant d'enrouler sortes de pensées maintenant peu à peu formé une direction plus grand public, et cette direction est à nos questions ultimes, il est possible de réaliser une percée. Aujourd'hui, nous disons l'intelligence artificielle, bien sûr, tout le monde voulait être un ordinateur peut être utilisé comme une plate-forme pour l'intelligence artificielle, qui deviennent essentiellement une façon de penser. Mais en fait, nous regardons en arrière sur les ordinateurs d'aujourd'hui, ne sont pas en mesure de remplir une telle mission historique, le problème est la question que nous devons d'abord penser à - compter sur l'intelligence artificielle ou future forte intelligence artificielle?

origine informatique depuis le début, en fait, les ordinateurs déjà décidé que nous avons aujourd'hui, de ne pas parvenir à une plate-forme appropriée pour l'intelligence artificielle. Turation était ordinateurs CITATION turation ne veux plus jamais mettre un ordinateur à dire, quand il afin de résoudre un problème de mathématiques: Les 10 premières questions 23 questions dans Hilbert, dans plusieurs domaines qui ont gardé nombre incalculable n'existe pas . Pour le prouver, de proposer un modèle conceptuel, construire une machine universelle, cette machine peut faire toutes les opérations mathématiques courantes, mais ces machines ne peuvent pas exprimer simplement dit que le nombre de ceux qui ne peuvent pas être calculés. Nous sommes engagés dans l'ordinateur, sont bien conscients du concept de la machine de Turing, mais la machine de Turing est un sous-produit, pas à la conception Turing conception assistée par ordinateur. Turing dans les années 1980 avant la date limite de l'ordinateur a rendu très clair. Aujourd'hui, beaucoup de gens disent que tant que je compile un bon programme, une bonne conception de l'algorithme, l'ordinateur peut faire quoi que ce soit. Pensez-y, quand vous répondez à la question, quel genre de logique en fonction de ce que l'ordinateur peut faire? Pas du tout, certainement pas.

Bien sûr, nous voudrions aussi dire une grande contribution, la contribution est Shannon. modèle mathématique est abstraite, non exécutoire, les mathématiques et la physique Shannon liés, de sorte que l'ordinateur peut vraiment faire sortir. La contribution que nous savons tous, ou si vous souhaitez mettre l'accent sur: le concept d'un modèle mathématique de la machine avec un modèle simple peut exprimer une variété de problèmes mathématiques complexes. Tant qu'un dispositif est en mesure de résoudre les conflits de calcul de sa grande variété de logique et de mathématiques. Il était 1947, en 1948, que le temps n'a pas encore transistor, il y a toujours un interrupteur physique sur les feux passent aussi, plusieurs commutateurs peuvent-je utiliser une combinaison de ces fonctions logiques de calcul que nous voulons. Le problème est abstrait à l'extrême, le problème de clarté.

Bien sûr, l'architecture de von Neumann, ceci est une contribution historique - la séparation du matériel et des logiciels. Super endroit pour les ordinateurs, la logique est la machine informatique à usage général, vous pouvez faire la logique de base et de l'utilisation. Mais vous devez remplir la tâche requise par le programme, aux logiciels et aux instructions. Dans ce cas, vous achetez une machine, différents programmes installés, vous pouvez effectuer différentes tâches. Bien sûr, pour une polyvalence complète, l'efficacité est perdue, vous résoudre un problème, un circuit dédié plus directement, il y aura des frais de symboles communs, mais ces coûts, de sorte que cette gamme très étendue d'applications, c'est donc une contribution.

J'ai donc pris le temps de dire le modèle de Turing, circuits Shannon et l'architecture de Von Neumann de ces trois choses est parce que nous avons conçu une nouvelle génération d'ordinateurs, comme un cerveau informatique, ont aussi d'envisager un problème similaire. Nous devons considérer, quel est le modèle mathématique, ce type de dispositif est utilisé pour réaliser, vous êtes ce genre d'institutions du système, pour atteindre quelques-unes des tâches de l'intelligence artificielle, ou de l'ordinateur AI ne peut être atteint forte. Le développement informatique aujourd'hui, le premier ordinateur est apparu 70 ans, et la logique sous-jacente est la physique claire, mathématiques et structure physique, clairement à cet endroit. Mais au lieu de faire la bonne plate-forme pour une croissance intelligente, vous voyez l'histoire pour savoir comment faire.

Ensuite, nous regardons l'intelligence artificielle, Turing a proposé qu'une machine peut penser en 1951, ce qui est bien sûr le problème de l'intelligence artificielle, mais à ce moment-là, le mot n'a pas encore créer. En 1956, lauréat du prix Turing a créé un certain nombre d'intelligence artificielle du mot. Ils ont écrit une demande de financement de la recherche: Nous avons quelques idées, qui est, par la simulation de la machine, apprendre tous les aspects de l'intelligence et d'autres cours peuvent être décrits avec précision. Jusqu'à présent, l'idée est encore beaucoup de gens sur l'idée classique de l'intelligence artificielle pour comprendre. Comment nous l'intelligence et l'apprentissage? En fait, nous l'avons mis formalisé une description précise à elle, vous pouvez utiliser l'ordinateur pour réaliser. Ils croient vitesse de l'ordinateur actuel, la capacité de stockage est encore très lent est pas un problème, le problème est que nous écrivons le programme, ce logiciel peut résoudre le problème de l'intelligence. Beaucoup de nos idées sont encore en usage aujourd'hui, cette ligne de pensée, bien sûr, cette ligne de pensée ou non, nous devons considérer.

Au cours des 60 dernières années, le développement de l'intelligence artificielle, beaucoup d'itinéraire technique, il y a beaucoup de progrès. A partir du système de premier signe au chien alpha d'aujourd'hui, il y a beaucoup d'événements marquants, les gens disent tout le développement de l'intelligence artificielle si vite, n'est pas immédiatement capable de transcender l'humanité, plus tard avoir aucune mise en uvre réelle. Dans le développement historique, il est à peu près trois écoles ont été à la compétition, le premier symbolisme, c'est l'intelligence artificielle de classique, prenez toujours la technologie symbolique, précise formelle, décrit, puis utiliser la machine pour réaliser. Le second est que les réseaux de neurones, connectionism, en fait, l'idée derrière c'est-à-dire l'intelligence humaine réseau de neurones est généré, je l'ai fait un réseau de neurones, en espérant qu'il produirait intelligent, de produire ce que l'intelligence est la formation et le modèle les choses, nous prenons d'abord l'itinéraire technique est un réseau de neurones, donc celui-ci est également appelé Bionics ou demander la physiologie demandé. Troisièmement, behaviorisme, principalement Cybernétique, ils disent que vous pensez réellement que nous nous à la fois une personne ou un animal, et même nos formes de vie indigènes premiers organismes unicellulaires, en fait, il est judicieux de venir? Et un environnement interactif qui généré dans le processus. Un enfant est né, il n'y a pas de capacité, mais l'interaction avec l'environnement, sera progressivement augmenté la capacité. Bien sûr, les gens doivent aller à l'école, l'apprentissage des connaissances livresques, l'animal n'a pas appris ce genre de choses, quand vous pouvez également compter sur l'interaction.

Toutefois, si vous ne pas vraiment commencer du cerveau, la question ultime est toujours pas résolu. L'idée est pas nouveau, en 1956, quand il a pensé, Ces gens discutent des sept questions: langage de programmation informatique automatique, réseaux de neurones, la théorie de l'échelle de calcul, d'auto-amélioration, abstraite, créativité et caractère aléatoire. À l'heure actuelle langage de programmation informatique automatique, pour calculer l'échelle de la théorie à découvert, et les réseaux de neurones, l'auto-amélioration, résumé, aléatoire et les questions de création ne sont pas claires. Ils étaient tout simplement penser, comment former un groupe de neurones dans le concept, nous ne formons pas aussi un apprentissage en profondeur du concept d'aujourd'hui, il y a une cinquième question, comment un auto-amélioration intelligente, et maintenant la profondeur de l'apprentissage par la formation de grandes données, dans une certaine mesure peut améliorer tant que vous utilisez des données, je intelligente sera améliorée automatiquement, mais pas encore de soi et la sélectivité. ordinateur futur, si elle est appelée un ordinateur, un vrai hasard, alors la créativité. Donc, cette chose n'existe pas dans le système, nous pourrons compter sur au hasard est apparu.

Pourquoi plusieurs problèmes derrière le développement est très limité, derrière les deux principes. L'un est parce que nous avons fait l'ordinateur intelligent, faire le réseau de neurones sur un ordinateur, la profondeur de l'apprentissage, le modèle de réseau de neurones est l'architecture sur l'architecture de von Neumann. Un réseau de neurones est pas de centre, un grand nombre de nuds de réseau interaction complexe avec le système informatique n'est pas la même chose. En second lieu, l'absence d'un matériel pour une architecture du réseau de neurones, le transistor a favorisé le développement rapide de l'ordinateur, mais pas nerveux composants appropriés, n'a pas fait un réseau de neurones dur physiquement, mais aussi en ligne avec le modèle que nous voulons , Shannon n'a pas comme figure un tel semble fournir un pont physique, de sorte que vous réalisez l'idée de ces idées, les mathématiques et réseaux de neurones, l'ordinateur ne se développera pas si vite.

Mais nous cherchons toujours un chemin pour mettre en uvre des réseaux de neurones. Par conséquent, le développement du réseau de neurones pendant tant d'années, il y a marée haute, marée basse là-bas, mais dans l'ensemble il était plus insistante. 1985 Hinton a présenté le modèle de la machine Boltzman. Aujourd'hui, nous utilisons l'apprentissage en profondeur à dire la machine Boltzman, ledit temps de réseau multi-couche, semble être un très nouveau. De 1985 à 2006, personne ne faisait, je tiens aussi à le faire, est rapporté avec un tel état d'esprit, coller au réseau de neurones. Je suis titulaire d'un doctorat en 1995, 1996 sujets, à ce moment-là, les 11 de nos étudiants de doctorat, il n'y a qu'une seule personne à faire réseau de neurones, cet esprit est la première chose logique vous droit, vous avez raison d'être reconnu, vous insistez de le faire, peu importe la façon dont les gens me regardent cette chose, pourquoi est-il un tel esprit? Parce que Hinton est le petit-fils de Boolean, Boolean Boolean que les générations futures, qui sont l'esprit noble ne seront pas affectés par la coutume répandue, je pense que cette direction, j'insister à faire, ajuster lentement, quelqu'un donner de l'argent, Je ne, personne pour donner de l'argent, une personne, certaines personnes donnent de l'argent, peu de gens.

En 2006, Geoffrey Hinton dans « Science » publié sur la profondeur du réseau de neurones, maintenant l'apprentissage en profondeur surchauffé. En 2011, l'apprentissage en profondeur est pas si chaud quand je me suis rendu un demi-année à Stanford, ils est d'utiliser la reconnaissance d'image de la couche, la reconnaissance vocale, le traitement du langage naturel pour améliorer le nombre de points de pourcentage, bien sûr, est quelques points de pourcentage, pas plus de 10%. Par la suite, l'organisation apprenante profondeur Li Feifei dans le jeu, la capacité de reconnaissance d'images a augmenté de 11 points de pourcentage. Est maintenant devenu un réseau plus de données, plus profond, paramètres tune, et un résultat, ce qui est rien, il n'a pas beaucoup d'importance en termes de recherche, mais nous aimons tous faire cette chose.

Alpha aller pour y parvenir il y a beaucoup d'idées nouvelles, est un événement historique, mais ce n'est pas forte intelligence artificielle, des agents autonomes, mais une compréhension au-delà de l'intelligence artificielle traditionnelle de nous - prenons toujours beaucoup de choses puis officialisé l'expression. Il est une percée dans le Go reconnaître comme une image, d'identifier les personnes de ce processus est similaire. Nous parlons donc est un sentiment d'échecs maître, le sens d'échecs viennent? Est-ce le numéro de votre prochaine étape, la prochaine plus, voir plus que les échecs, la lecture Alpha Dog jeu 30 millions, la grippe d'échecs a dépassé les gens. Vous dites que le sens des échecs que nous pensons généralement que les humains ont, la même machine peut avoir. Ce mystère, nous croyons que la nature unique des choses, remplacer progressivement la machine.

Ainsi, en 2030, le pays est de grands projets scientifiques et technologiques qui, Pan Yuanshi cinq Mentionner les directions principales: grande intelligence des données, l'intelligence plurimédia, intelligence en essaim, amélioration des systèmes intelligents de mélange, sans pilote autonomes. En 2030, l'ordinateur quel genre de capacité? Puis fixer un objectif, il est de rapprocher la capacité de traitement de l'information du cerveau humain, avec la conscience de soi, l'intelligence artificielle de l'auto-universel.

Ce sont une partie du fond, a passé beaucoup de temps, alors il devrait être relativement bonne conversation.

En second lieu, la forte intelligence artificielle fabrication

Le deuxième sujet est de créer une forte intelligence artificielle. Forte intelligence artificielle connue sous le nom de l'intelligence artificielle d'universel, jusqu'à présent, y compris Afar, y compris les chiens, sont l'intelligence artificielle de la faiblesse, Intelligence artificielle spéciale. Dédié intelligence artificielle désigne la matière-intelligence pour résoudre un problème. Une forte intelligence artificielle est d'obtenir l'intelligence artificielle de niveau humain capable de défis de l'environnement extérieur autoconscientes faire face aux situations. Une fois que le niveau humain, il y aura plus que le niveau humain, si forte intelligence artificielle est un défi que nous devons relever ce défi est peut-être parce que nous les humains semblent faire face avec le plus grand défi.

Il y a en fait super intelligence artificielle de dans le monde, nous aurait est que nous aurions est une forte intelligence artificielle, notre forte intelligence artificielle basée sur notre cerveau, le système nerveux. Jusqu'à présent, présent, en plus du cerveau humain, il n'y a pas de système d'intelligence naturelle ou artificielle, avec les nouveaux défis du nouvel environnement, peuvent adaptativement, les gens sont les plus typiques de l'intelligence artificielle forte.

Maintenant que les gens peuvent avoir, comment nous permettons à la machine? J'ai commencé à dire le mot cerveau comme l'informatique, il est facile de comprendre un autre point de vue, comme inspiré du cerveau informatique, l'informatique inspirée par le cerveau, cette chose a commencé de l'intelligence artificielle, tout le monde fait, le cerveau nous donne certains modèles de principe, bien que très limité, mais nous avons obtenu une certaine reconnaissance, les sciences cognitives nous donner quelques idées, nous pouvons concevoir de nouveaux algorithmes, y compris des doutes algorithme, divers. En fait, plus ou moins derrière les applications cognitives. Mais cette compréhension est une forte AI ne peut pas résoudre le problème de ce que je disais, une telle pensée, nous ont mis en erreur.

Nous venons de dire que le cerveau humain a une forte intelligence artificielle, fort cerveau humain intelligent est de savoir comment se relever? Un autre mots, la conscience humaine est la façon dont il est, ou comment la pensée des gens qui se passe et ce qui est à l'origine de la conscience humaine, les principes sous-tendant ce qu'est la conscience, est le problème de telle. Un tel problème est que nous, les humains trois grands enjeux scientifiques. Le visage humain des trois plus grandes questions scientifiques, la première origine de l'univers, l'origine de la vie, l'origine de la conscience, les trois grandes questions scientifiques, est une question très difficile, ou bien ne l'appelez pas un gros problème. Une telle grande question scientifique, quand peut résoudre, vous demandez des scientifiques du cerveau, alors les scientifiques du cerveau conservateurs ne seront pas en mesure de vous dire à moins de 100 ans résolu, le général dira probablement des centaines d'années, il était il a dit qu'il chronométrer en 1000, ne peut jamais résoudre. En raison de ce gros problème, ils ne trouvaient pas une solution viable ne peut dire qu'il continue d'aller dans cette direction pour explorer, ne peut donc pas vous donner une réponse définitive, car trop difficile. S'ils ne peuvent pas nous dire comment le cerveau génère notre conscience cette forte intelligence artificielle, comment pouvons-nous faire?

D'autres ne vous donnent pas un modèle, et d'autres modèles que nous ne sommes pas à le faire à nouveau? Nous sommes tant d'années d'éducation, la science est le fondement, elle est basée sur la science et la technologie, nous pouvons développer de nouvelles technologies. Mais il est cette façon de penser est juste dans certains cas, mais dans la plupart des cas, il y a un problème. Par exemple, l'aérodynamique et les avions, les frères Wright en 1903 pour créer le plan, mais seulement en 1939 est apparu aérodynamique pour expliquer pourquoi l'avion peut voler. Mais les avions d'aujourd'hui, en se fondant sur les orientations de l'aérodynamique peut faire mieux, mais il était mieux. Le premier avion est aucune théorie scientifique comme fondement. Rappelons que le progrès technologique et le progrès scientifique de notre histoire humaine, les progrès technologiques conduisent à presque dire au progrès scientifique, l'originalité, subversive. quatre grandes inventions de la Chine, et non pas une théorie scientifique, vous ne dites pas la Chine science et la technologie, la Chine ont la technologie, déjà utilisé la boussole, Zheng Il ne savait pas la terre est ronde, ne savent pas guider vraiment la boussole, mais nous élaboré. Par la suite, peu à peu jusqu'à ce que la science du magnétisme, de la planète, nous savons comment il est quand nous comprenons pourquoi la boussole peut guider.

Donc, nous faisons l'intelligence artificielle générale, forte intelligence artificielle, n'est pas nécessairement réponse - la question est de savoir comment est-il intelligent? cerveau intelligent à la fin est de savoir comment produire, et nous ne sommes pas sûrs de répondre à cette question, si la réponse et donc après quelques centaines d'années, puis le faire, et qu'il est pas nécessaire d'aller à la discussion. Ce n'est pas, calcul est pas le cerveau-cerveau-inspiré de calcul, le calcul d'un cerveau-comme le cerveau. Quel genre de cerveau est calcul? Nous ne savons maintenant pourquoi le cerveau produirait un tel niveau élevé de conscience créatrice. Mais nous savons quel genre de systèmes physiques génèrent cette fonction. Le cerveau dans le sens physique est de savoir comment, en la matière comme il est, nous ne disons pas ne pas dire l'esprit de la pensée intelligente, nous disons que le système nerveux est la façon dont il est, quel genre de systèmes biologiques, quel type de réseau de neurones dans un tel phénomène complexe. Donc, cela est résolu simulation du cerveau, le cerveau ne peut pas être disséqué, ne peut pas être attirée sur le cerveau, nous devons être clairs, nous voulons voir, ce type de structure ne se produit un tel comportement. Donc, cette chose peut faire, attendez une minute nous dira dans quelle mesure la peinture.

En second lieu, si l'on sait que les neurones, le réseau de neurones afin qu'une structure du cerveau, ce qui entraîne un niveau élevé de fonctionnalité, nous pouvons également faire une par voie électronique. Bien sûr, nous ne disposions pas de copier quelque chose d'une créature, on peut utiliser des neurones, la fonction de réseau de neurones, connexion, aussi, de faire un système similaire. Parce que les neurones est également un traitement du signal, le signal de spectre est traité, afin que nous puissions faire la fonction des appareils électroniques, en fait, le cerveau humain est le même, vous attrapez un certain degré de la structure des chiffres similaires, fonction similaire peut être trouvé, si similitude structurelle à un certain degré de précision, la complexité est susceptible de se produire. Il est de faire une copie ou d'imiter quelque chose, nous ne demandons pas pourquoi.

Un tel système, vous pouvez aller à la formation, tout comme aujourd'hui, nous disons l'apprentissage en profondeur ne ne croient pas en cette fonction d'apprentissage profond, réseau multi-couches à cet endroit, vous vous entraînez avec de grandes quantités de données, il semble abstraction , la classification large gamme de capacités. Si vous faites des choses un réseau de cerveau pour le former, avec en temps réel, avec une variété de stimuli pour former, il devrait aussi être un phénomène similaire. Un réseau complexe, produira un phénomène plus complexe. Comme un simple réseau de neurones produira un phénomène simple, réseau complexe produira phénomène complexe. Nous devons d'abord comprendre l'intelligence de la machine humaine, et, finalement, de comprendre notre propre intelligence. En raison de la possible, comme cela devrait être. Donc, vous voyez, après quatre étapes, et, finalement, la compréhension de la conscience, mais si pour la première pensée scientifique classique, allez demander maintenant comment est-il conscience, ces quatre étapes ne vont pas, nous en place d'attente très bien il y aurait-informatique du cerveau, la prochaine génération ne sera pas avoir un ordinateur réel.

Parce qu'aujourd'hui vous me donnez trois heures est en cause, je peux dire ensuite en détail. 2015, quand, afin de faire comprendre à Pékin, je résume les trois mots, disent-ils, vous le faites. Mimic niveau de la structure du cerveau, le niveau de l'appareil près du cerveau, niveau d'intelligence au-delà du cerveau. Hiérarchie de l'imitation, le réseau de neurones du cerveau pour comprendre la simulation du cerveau, ce qui est le cerveau d'ingénierie inverse. En second lieu, faire des dispositifs neuromorphiques, de la taille, les neurones biologiques d'approximation de fonction, qui est l'ingénierie neuromorphic. cerveau intelligent que nous allons au-delà du niveau de la formation d'un réseau de neurones, comme aujourd'hui, avec un gros volumes de données, en utilisant une variété de sens, bien sûr, vous pouvez utiliser la réalité virtuelle et les environnements virtuels pour stimuler, rendre le comportement complexe, est juste de dire similaire behaviorisme de formation. Après ces faits trois niveaux, le système aura des fonctions complexes avancées. Quelque chose comme un chemin.

Par conséquent, nous avons calculé le cerveau de la classe que l'on appelle, cerveau-ordinateur, machine intelligente modélisé réseau de neurones biologiques, les moyens formes de structure de neurones pour traitement de l'information spatio-temporelle comme centre. Pourquoi l'accent sur le traitement de l'information spatio-temporelle, comme on dit toujours environnement complexe. Turing machine de traitement du flux de données, en fait, il a été prêt l'information espace-temps, mais vous pouvez faire la vidéo, do visuel, font désormais des tâches complexes. Mais dans la fin des temps et l'espace sont comminution, dans un flux de données transporté le long. Une fois le temps et l'espace est cassé, un grand nombre de tâches de renseignement, il est difficile de le faire. Notre vision biologique, l'ouïe bio, n'a jamais mis le temps et l'espace pour détruire, nos yeux voient le monde, elle n'a jamais eu le temps, l'espace et enfin dans un flux aveugle, parallèle, nous faisons la mise en uvre réelle. Les nouvelles machines, pour pouvoir diriger de manière d'un à l'information de processus, ce qui est le cas pour le centre de traitement de l'information spatiale et temporelle, l'espace et le temps ne peut pas détruire, ne détruit pas l'espace-temps peut répondre directement à la transformation.

Donc, cet ordinateur neuromorphic, ou un cerveau de cours d'informatique, nous venons de dire différent par rapport aux ordinateurs classiques à tous les niveaux doivent faire quelques changements. Neuromorphique nouvel ordinateur, il est un des neurones de l'appareil de base et des synapses au lieu de transistors, qu'un dispositif neuromorphic est, bien sûr, manuel électronique. En second lieu, la définition de qui est un ordinateur classique, l'architecture von Neumann est défini. ordinateur Neural est l'imitation des réseaux de neurones biologiques, a déjà une structure de cette fonction, on le met dans la méthode de puce électronique, pour y parvenir, un tel réseau, rendez-vous à la gestion, le système d'exploitation aujourd'hui que nous allons comme beaucoup de fonctionnalités matérielles de gestion, telles que la configuration de l'architecture réseau, car une fois le matériel pour le faire, et pas seulement changer. Mais au-dessus de vous pour réaliser une grande variété de réseaux, comment arbitraire un modèle de réseau biologique, mis en correspondance sur un tel matériel fixe, la configuration du réseau et de la gestion. Doux au réseau de neurones de cartographie du réseau de neurones dur est une exigence de base.

Ainsi, dans l'analyse finale, une telle machine, il a donné avant que nous ne disons que l'intelligence, les scientifiques cognitifs doivent demander, comment smart était. Il peut vous dire quelque chose, ces choses que vous voulez vraiment faire un modèle informatique, ne résoudra pas le problème. Comme la médecine chinoise, nous pouvons vous donner une raison de dire quelque chose, mais la vérité ne peut résoudre aucun problème. Donc, j'ai perdu espoir, renoncer à l'argument de descendre avec eux, sinon les gens sont vieux, même l'avenir ne peut pas résoudre ce problème.

Comme le discours de trois heures, le contenu est assez riche, c'est le dernier chapitre, voir le contenu suivant suite « Huang Tiejun Département de l'Université de Pékin informatique CCF-ADL Atelier Partie II: informatique neuromorphic détaillée et frontière de la vision biologique AI »

Le cours est un programme payé, en Août 2017 sera des cours exclusifs en ligne dans AI College Mu, le prix initial de 2500 yuans (membres du CCF) des cours sous la ligne maintenant 699 yuans limite pré-vente spéciale, les participants intéressés timbre: http: // www .mooc.ai / course / 114, ou le balayage du code à deux dimensions vu sur la Fig.