AI|脑建模先驱称深度学习可靠性欠佳 新书解释ART模型为何更好
过去 20 年时间里，深度学习（Deep Learning）已在一系列 AI 研究和商业应用中占据了一席之地 。然而典型的深度学习程序，无法在多种任务类型上表现得更好，这严重限制了该技术在严格控制的环境中的特定应用 。此外有人指出，深度学习是不可信的，因为它难以给出自洽的逻辑解释 。
文章图片
更确切地说 —— 即使算法确实有效，深度学习工具也可能在缓慢学习新数据库的过程中无法做到完全理解 。
如此一来，其学习记忆的任何部分，可能会遭遇突然的崩溃 。在任何生死攸关的场景下（比如医疗类应用程序），深度学习应用都存在着这方面的风险 。
为了让大家更好地理解深层次的原因，IEEE 研究员 Stephen Grossberg 认为需要一种完全不同的替代方法，并在《大脑是如何形成一个意识的？》新书出给出了详细的解释 。
书中分享了其在生物认知、神经研究、以及人工智能替代模型等领域积攒的数十年经验，并且介绍了所谓的“自适应共振理论（ART）模型” 。
作为博士顿大学认知和神经系统、数学与统计学、心理与脑科学、以及生物医学工程领域的杰出教授，ART 建立在有关大脑是如何处理信息的理论基础之上 。
Stephen Grossberg 表示：“在充满意外事件和不断变化的世界中，我们的大脑学会了辨别物体和预测事件” 。
基于这种动态，ART 可借助有监督 / 无监督的学习方法，来解决模式识别和预测等方面的问题 。
该理论算法已被包含在大规模应用中，例如对声呐和雷达信号进行分类、检测睡眠呼吸暂停、推荐影视资源、以及基于计算机视觉的驾驶辅助软件 。
文章图片
Stephen Grossberg 强调 —— 得益于可解释的特性，ART 模型可被放心使用，而不会遭遇灾难性的遗忘 。
【AI|脑建模先驱称深度学习可靠性欠佳 新书解释ART模型为何更好】此外 ART 解决了所谓的“稳定性-可塑性”困境，即大脑（或其它学习系统）如何能够在不经历灾难性遗忘（稳定性）的情况下展开快速自主学习（可塑性） 。
据悉，作为大脑意识研究的先驱，Grossberg 于 1976 年制定了 ART 模型 。
他是波士顿大学适应性系统中心的创始人和主任，同时也是教育、科学与技术卓越学习中心的创始主任 。两个中心都试图了解大脑的学习和适应过程，并根据相应的发现来打造技术应用 。
2017 年的时候，Grossberg 因在理解大脑认知与行为方面的贡献和技术模拟研究成果，而获授 IEEE 的 Frank Rosenblatt 大奖（以康奈尔大学教授兼‘深度学习之父’而命名的奖项） 。推荐阅读
- 保障|【Touch Beijing 双语新闻】冬奥会通信保障“智慧大脑”正式开启 、非遗精品扮靓冬奥签约酒店场馆....
- |电脑杀毒，原来还能“望闻问切”？
- 电脑|苹果 macOS 12.2 开发者预览版 Beta2 发布
- 全球|脑机接口、肿瘤芯片……全球前沿科技项目在京“巅峰”对决
- 教育|学科停船后的第一个寒假，“脑机接口”能否成为科技素质教育的后起之秀？
- 电脑|国产用心了！跑分超70万的二合一平板电脑：酷比魔方iWork GT随行本简评
- 保障|保障冬奥会通信“智慧大脑”顺畅运行，青年成中坚力量
- 现场工程师|北京冬奥会通信保障“智慧大脑”正式启用
- 财联社|中青宝欲打造“游戏UGC平台先驱” 被深交所质疑故意制造热点
- 财联社|再收关注函！中青宝欲打造“游戏UGC平台先驱” 被深交所质疑故意制造热点