DeepMind的遠大計劃是借助解密人腦使用的算法、架構(gòu)、功能以及表征，來解決目前開發(fā)人工智能技術(shù)遭遇的問題。

Google專長人工智能的姊妹公司DeepMind Technologies執(zhí)行官Demis Hassabis，透露該公司的遠大計劃是借助解密人腦使用的算法、架構(gòu)、功能以及表征(representation)，來解決目前開發(fā)人工智能技術(shù)遭遇的問題。

目前沒有人對人工智能(AI)神經(jīng)網(wǎng)絡(luò)的基本原理提出質(zhì)疑，也就是透過突觸(synapse)連結(jié)的大腦神經(jīng)元有不同的聯(lián)機“權(quán)重”(weights)，當神經(jīng)元經(jīng)常被使用、其權(quán)重就會更強勁成長(即學習)，反之如果很少用就會萎縮(于是會遺忘)。舉例來說，歐盟的Blue Brain項目就是試圖在超級計算機上巨細靡遺模擬人類大腦運作，期望藉此揭開例如帕金森氏癥、阿茲海默癥(失智癥)等疾病的幕后成因，以及打造AI系統(tǒng)。

Hassabis認為，若我們想要看到AI芯片(總之不是活的有機體)，工程師就得搞懂人腦所使用的算法、架構(gòu)、功能與表征。“從工程的角度來看，以上是最終解決方案;而為了達到我們的目標，生物贊同性(biological plausibility)只是指導(dǎo)，并非嚴格的要求;”Hassabis在同儕審查學術(shù)期刊《Cell》與共同作者發(fā)表的“神經(jīng)科學啟發(fā)之人工智能”(Neuroscience-Inspired Artificial Intelligence)一文中寫道：“我們感興趣的是對人腦在系統(tǒng)神經(jīng)科學層面上的理解，也就是所利用的算法、架構(gòu)、功能以及表征。”

Hassabis表示：“透過聚焦運算與演算層面，我們?nèi)〉脤Υ竽X功能內(nèi)部大致機制的可轉(zhuǎn)移見解，同時留下空間以容納在芯片內(nèi)打造智能機器時會出現(xiàn)的機會與挑戰(zhàn)。”舉例來說，在睡眠期間，大腦的海馬回(hippocampus)會回放并重新關(guān)聯(lián)每天曾經(jīng)發(fā)生過的、特別成功的學習經(jīng)驗，讓長期內(nèi)存能取得學習教訓，甚至只從單一實例。

簡單的機器學習算法會用雜亂無章的不重要細節(jié)洗掉單一學習實例;而DeepMind則聲稱，能夠打造模仿實際人腦功能的機器學習算法;如Hassabis與其他論文作者所言：“儲存在緩沖存儲器中的經(jīng)驗，不只能被用來逐步調(diào)整深度網(wǎng)絡(luò)參數(shù)以符合優(yōu)化策略，也能支持根據(jù)個人體驗產(chǎn)生的快速行為變化。”

因為學習算法傾向于以新知識覆蓋現(xiàn)有知識，使得讓神經(jīng)元計算機學習多級(multistep)任務(wù)成為工程師們的棘手挑戰(zhàn);對此上述論文的作者指出，最近的研究透過協(xié)同神經(jīng)科學與工程的方法來解決這個難題。神經(jīng)科學家對人腦突觸不穩(wěn)定性(lability，也就是變化的變異率)的發(fā)現(xiàn)，為AI工程師提供了一種實現(xiàn)多級學習的新工具──他們在打造學習算法時，設(shè)定了較早期任務(wù)的不穩(wěn)定性，以防止較新的任務(wù)將之覆寫。

“神經(jīng)科學的發(fā)現(xiàn)啟發(fā)了AI算法的開發(fā)，透過設(shè)置一種具彈性的權(quán)重固化(consolidation)，克服了深度神經(jīng)網(wǎng)絡(luò)持續(xù)學習的挑戰(zhàn);這種固化機制是透過減緩一組被定義為對先前任務(wù)很重要的網(wǎng)絡(luò)權(quán)重子集中的學習來達成，因此能將那些參數(shù)固定在先前發(fā)現(xiàn)的解決方案。”論文作者表示：“這能允許在不增加網(wǎng)絡(luò)流量的情況下進行多個任務(wù)的學習，而擁有相關(guān)聯(lián)架構(gòu)的任務(wù)之間可有效分享權(quán)重。”

Hassabis與其他論文作者并指出：“要填補機器智慧與人類智慧之間的鴻溝，還有很多工作得做;在這方面，我們相信來自神經(jīng)科學的一些想法，將會越來越不可或缺。”他們舉例了工程師透過重現(xiàn)生物機制實現(xiàn)AI多級學習的成功，并呼吁神經(jīng)科學家與AI工程師并肩作戰(zhàn)，攜手解決或許可說是AI研究中最困難的挑戰(zhàn)──打造能進行分層規(guī)劃的代理(agent)，要真正具備創(chuàng)造性，而且能為目前人類也無解的挑戰(zhàn)提供解決方案。

然而也不是所有人都同意，只要能理解人腦的算法、架構(gòu)、功能與表征，就能揭開人類擁有智慧的奧秘;有人認為，人腦的“編碼”(code)跟所有宇宙中的生命智慧都是相同的，就如同化學擁有通用的編碼，因此大腦的智能編碼會是類似化學與物理學，在人體中交織的通用原理。

Starmind International創(chuàng)辦人Pascal Kaufmann認為，人腦的編碼應(yīng)該不像是算法，因為人腦并不同于計算機

“我們需要透過對人類智慧的真實理解，才能破解人腦的編碼，這不能只靠計算機軟件;”身為神經(jīng)科學家的瑞士AI軟件公司Starmind International創(chuàng)辦人Pascal Kaufmann表示：“就像物理學是宇宙中所有物理現(xiàn)象的編碼，人腦的編碼也會是根據(jù)自然界的通用原理。”他指出，在自然界有相同的原理一再出現(xiàn)，例如樹木的分枝與人體血管的靜脈/動脈就非常相似：“我們只需要問正確的問題。”