大红灯笼高高挂,“读心”体系要来了?AI与脑科学的研讨正在碰撞出火花,陈辰

admin 1个月前 ( 04-20 07:18 ) 0条评论
摘要: “读心”系统要来了?AI与脑科学的研究正在碰撞出火花...

人工智能(AI)能够协助咱们了解大脑怎么了解言语吗?神经科学能够协助咱们了解为什么AI和神经网络在猜测人类感知方面是有用的吗?


来自得克萨斯大学奥斯汀分校的Alexander Huth 和Shailee Jain的研糙组词究标明以上两个问题都是或许的。

在2018年神经信息处理系统大会(NeurIPS)上的一篇论文中,学者们描绘了运用人工神经网络猜测不同脑区怎么呼应特定词语的试验成果,取得了比以往都要好的精度。

新的深度学习系统能够以高精度猜测不同脑区怎么呼应特定的词语。该模型还发现坐落听觉皮层的概念较少依赖于语境信息。



图片来历:网络


“当词语进入咱们大脑中,咱们知道了或人正在跟咱们说些什么,而咱们想要了解大脑内部是怎么构成的,” Huth说道,一位来自UT Austin神经科学与核算机科学系的助理教授。“好像应该存在一些专门的系统,但实践上,那并不是言语的作业方大红灯笼高高挂,“读心”系统要来了?AI与脑科学的研讨正在碰撞出火花,陈辰式。就像生物岳松破了李小龙的记载学里的任何东西相同,很难将其简化为一组简略的方程式。”

这项作业运用了一种被称为长短期回忆(long short-term memory , LSTM)的循环神经网络(大红灯笼高高挂,“读心”系统要来了?AI与脑科学的研讨正在碰撞出火花,陈辰recurrent neural network),它在核算中包含了每个单词与之前所呈现单词的联系然后更好地保存上下文的内容(语境)

这听上去很明晰,但数十年来神经科学试验只考虑了大脑对单个词语的呼应,却忽视了单词之间能够构成单词链或句子的衔接联系。(在《认知神经科学》期刊2019年3月李淑敏的论文中Huth描绘了进行“实在国际神经科学”的重要性。)

在这项作业中,研讨人员进行了试验去测验并终究猜测了当听到不同故事(详细说,即Moth Radio Hour,一个广播节目)的时分不同脑区将作何呼应。他一顾清辰们运用了fMRI数据来获取大脑中血氧水平的大红灯笼高高挂,“读心”系统要来了?AI与脑科学的研讨正在碰撞出火花,陈辰改变状况,这种数据反映了神经元集群的活泼程度。这能够作为言语概念在大脑中所被表达的对应部分。

运用得克萨斯高档核算中心的超级核算机,他们运用LSTM办法练习了一个言语模型,该模型能够有用猜测下一步将呈现的词语——类似于Google主动完结查找的使命,这是人类大脑特别拿手的。

“为了测验猜测下一个词语,这个模型有必要隐含地学习一切关于言语怎么作业的其他东西,而不是实践拜访大脑或任何关于大脑的数据。”Huth说道,“比方,哪些词语倾向于跟在其它词语后边。”

根据这个言语模型和fMRI数据,他们练习出了这样一个别系——当大脑初次听到新故事中每个单词的时分它能够猜测出大脑将怎么作出呼应。

曩昔的研讨标明高效定位大脑的言语呼应是可行的。但是,新研讨标明在增加语境元素——提早呈现多达20个词语的状况下,增加语境元素能够极大地促进大脑活动的猜测作用。他们发现即便只运用了少数的上下文(语境),猜测也能够改善。所供给的上下文(语境)越多,猜测的精度就越好

“咱们的剖析标明假如LSTM了解的词语越多,那么它猜测下重生之婴狱一个词语的才能就越好,”Jain说道,“这就意味着有必要包含曩昔一切词语的信息。”

他们进行了进一步的研讨,探求了哪些脑区对所包含的边线隐秘语境信息大红灯笼高高挂,“读心”系统要来了?AI与脑科学的研讨正在碰撞出火花,陈辰愈加灵敏。比方,他们发现坐落听觉皮层的概念会更少地依赖于语境信息

“假如你听到“小狗”这个词,那么这个区域(指听觉皮层)并不在乎之前呈现过的10个词语是什么,它只会对“小狗”这个词语的声响作出呼应”,Huth解释道。

另一方面,当包含更多语境信息时,处理更高档思想的脑区更简略精确呼应。这支撑了关于心智和言语了解的理论。

“人工网络的层次结构和大脑的层次结构之间存在非常好的对应联系,咱们发现它们很风趣,”Huth说道。

天然言语处理(NLP)近年来吴昊俣已取得了极大的前进。但当涉及到答复奥格瑞玛破城者的荣耀问题、进行天然对话或许剖析文本中的心情时,NLP依然有很长的路要走。研讨人员信任他们的根据LSTM的言语山东的响马完好顺口溜模型能够对这些范畴有所协助。 洪荒操纵之万界黑手

LSTM(以及一般的神经网络)经过将高维空间中的值分配给各个组件(此处为单词)来作业,这样每个组件都能够经过其与许多其他事物的数千种不同联系而得到界说。

研讨人员经过向模型中输入提取自Redd赵德三it帖子中的上千万词语来练习言语模型。然后他们的系统李守洪排名大师猜测了六个被试的大脑中数千个别素(Vogels,三维像素)对模型和被试之前都没听说过的第二组故事作何呼应。

由于他们对语境信息长度的作用以及神经网络中各层的作用都很感兴趣,所以他们给每个被试测验了60个不同参数(20个语境保存长度和3组不同的层维度)。

以上这些办法使得核算问题规划巨大,需求很多的核算才能、内存,存储和数据检索。假如进行处理,需求消耗很多的本钱和时刻,但实际并不答应他们这么做。这使得Huth和Jain考虑一种更简化的系统版别,然后替代开发一种言语猜测模型并能将其运用于大脑。

他们开发了一款能够直接猜测大脑呼应的模型。他们称之为“end-to-end”系统,并期望能够在未来的研讨中运用。这个模型能够直接改善其对大脑呼应的体现。对大脑活动的过错猜测会反应到模型中并得到改善。


跨皮质的语境长度偏好。对一个被试中的每个别素核算其语境长度偏好的索引,并将其投射到该被试的皮质外表。蓝色所示的体素是运用较短语境建模作用最好的,而赤色所示的是运用长语境建模作用最好的。该图片归于Huth 试验室,UT Austin。


“假如这起到作用了,那么这种网络像大脑那样学习阅览文本或吸大红灯笼高高挂,“读心”系统要来了?AI与脑科学的研讨正在碰撞出火花,陈辰收言语便成为或许,”Huth说道,“幻想一下谷歌翻译,它能了解你正在说什么,而不是简略地学习一些规矩罢了。”

经过这海角0号样挤b裤一种系统,Huth信任一个可将大脑活动转译成言语的“读心”系kil044统的完成仅仅时刻问题。一起,他们也从试验中取得了对神经科学和人工智能的了解。

“大脑是一个高效的核算机器,而人cz3699工智能的方针便是构建一个像大脑相同处理各种使命的机器,”不过,咱们对大脑了解甚少。因而,咱们测验运用人工智能去探求大脑的作业机制,然后根据咱们经过这种研讨办法所取得的了解,以及理论神经科学,咱们能够运用这些成果来开发更好的人工智能。

“这个主意便是,了解生物和人工认知系统,而且运用它们来了解和构建更好的机器。”

参阅文章来历:

得克萨斯大学奥斯汀分校(UT Austin),得克萨斯高档核算中沈沛琴心

参阅文献:

“Are We Ready for Real-world Neuroscience?”

Pawel J. Matusz, Suzanne Dikker, Alexander G. Huth, and Cat雷宛婷herine Perrodin. Journal of Cognitive大红灯笼高高挂,“读心”系统要来了?AI与脑科学的研讨正在碰撞出火花,陈辰 Neuroscience 201兽人之肖墨9 31:3, 327-338 doi:10.1162/jocn_e_01276





作者信息

南樛木 (brainnews创造团队成员)

校审/排版:Simon (bra大红灯笼高高挂,“读心”系统要来了?AI与脑科学的研讨正在碰撞出火花,陈辰innews编辑部)

文章版权及转载声明:

作者:admin本文地址:http://www.cqdxnews.cn/articles/808.html发布于 1个月前 ( 04-20 07:18 )
文章转载或复制请以超链接形式并注明出处竞技宝官网_竞技宝官网入口_竞技宝官网下载