的设备|AI正在学会“伪造思维”


的设备|AI正在学会“伪造思维”
文章图片

在小猴子手臂处植入的电极阵列可采集神经的运动控制信号 (资料图片)
【的设备|AI正在学会“伪造思维”】□克莉斯汀
AI真的会自己生成思维方式了?为什么说它们学会了“伪造思维”?一旦它们学会了“思维” , 真的会反过来操控人类的行为吗?
一切要下定论还为时尚早 , 但这件“伪造思维”的事的确发生了 , 操盘手就是GAN——一种AI学习训练系统中常用的生成式对抗网络模型 。
通过接触或植入式的设备 , GAN只需要收集少量试验中猴子所发出的运动控制神经信号 , 就可以自动生成类似的各种其他情形下可能操控行为的神经信号 , 然后再把这些教给AI , AI便是这样有了自己的“思维” 。
难免细思极恐 。 但这种脑机连接AI设备却可以用来帮助到不少人 , 比如全身瘫痪的人可以在AI帮助下重新站起来 , 老年痴呆患者可能重新拥有清晰的思维……
研究只为提高效率
GAN就是生成式对抗网络(Generative Adversarial Networks ) , 它是一种深度学习模型 , 是近年来人工智能(AI)在大数据学习过程中用到的一种无监督学习方法之一 。 在AI的深度学习模型框架中 , 至少有这样两个模块:生成模型和判别模型 , 通过这两种方式在学习过程中的互相博弈 , 就能产生输出 , 让AI迅速掌握新技能 。 其中的生成模型作用主要是给出某种隐含信息 , 刺激AI随机产生可供观测的数据 。
而在最近一次试验中 , GAN直接生成了一种“合成思维”用来“投喂”AI 。 这个研究来自美国南加大华人博士温士贤团队 。 相关论文已发表在《自然》(Nature)杂志子刊上 。
该研究的目的应该是希望获取更多更详细的关于AI大数据学习的相关数据 , 研究出脑机连接的AI设备 , 可解码人类的神经信号 , 帮助有需要的人完成更精准的大脑控制行为 。
在之前的很多试验中 , 研究人员都需要去收集大量人脑发出的神经信号 , 再一一尝试不同的可能 , 但由于神经信号本身的不确定性——不同个体产生的信号有不同模式 , 同一个体在不同时间的神经信号也可能会不同——从收集到分析再到应用 , 这个过程要耗费大量时间与精力 。 同时 , 如果是针对一些全身瘫痪或本身大脑已经受损严重的试验对象来说 , 要采集他们的大脑神经信号原本是件非常不容易的事 。
这项新研究的意义在于 , 通过设计好GAN系统中的固定程序 , 用采集到的少量真实的神经数据为基础 , 生成更多不同情境下的相关数据 , 再运用到试验中去 , 就大大地提高了试验的效率 。

推荐阅读