harman kardon哈曼卡顿琉璃2功放灯闪一下没反应配件，欧洲建立类脑人工神经网络，人类感知模型实现突破

文章来源：admin 更新时间：2025-02-14 16:44:49

　　欧洲研究者成功设计出一harman kardon哈曼卡顿琉璃2功放灯闪一下没反应配件种类似人脑的人工神经网络，这种网络无需明确的训练或预编程，就能实现数字和空间认知，以及书面语言处理。这一基于生成模型的机器学习方法显著推动了自我学习人工智能的发展，并加深了我们对人类认知的理解。

　　该研究由帕多瓦大学的Marco Zorzi领导，并自始至终得到欧洲研究中心（ERC）的资助。名为GENMOD的项目展示了建立一种能够基于感官数据观察世界并生成内部表征的人工神经网络的可能性。例如，该网络可以自行发展出近似数感——确定基本数字性质的能力，而不需要实际理解这些数字本身，就像人类、婴儿和一些动物一样。

　　Zorzi表示：“我们的研究显示，在概率框架内的生成学习可以成为开发人类认知的更合理的神经网络模型的关键步骤。”该网络在视觉数量感测试中展现了其能力，同时也为人类和动物在没有任何预先存在的数字或算术知识的基础上判断一个集合中的物体数量的能力提供了见解。

　　Zorzi及其同事向这个自修正网络输入了数万张图像，每张图像都包含了2到32个大小不同的随机排布的物体。研究人员发现，在这个遵循无监督学习的深度神经网络中，涌现出了对数量感的感知。在响应每一张图像时，该网络会强化或弱化神经元之间的连接，以使其数字敏锐度可以根据其刚刚观察到的模型进行精细调节；这个过程独立于物体的总体表面积，确保了其神经元确实是在检测数量。

　　实际上，该网络开始为估计图像中物体的数量生成自己的规则和学习过程，其所遵循的神经元活动模式也曾在猴子的顶叶皮层中被观察到过。顶叶皮层是大脑中涉及数字和算术知识的区域，这表明GENMOD模型可能近似反映了真实大脑的工作方式。

　　Zorzi表示，他们的网络在数字敏锐度上表现出了与人类相似的过程——其观察的图像越来越多，同时其确定物体数量的能力也随时间逐渐提升。他计划在7月26日的欧洲科学开放论坛2016（EuroScience Open Forum 2016）中的“我们能模拟人类大脑吗？”研讨会上讨论这一研究。

　　该项目在数字认知上的成果可能对神经科学和教育具有重要意义，例如理解患有计算障碍的孩子数感受损的可能原因，年龄增长对数字技能的影响，以及增进由脑损伤引起的病理研究。

　　凭借其在机器视觉、神经信息学和人工智能方面的应用，GENMOD在其他一些领域也可能产生深远影响。

　　Zorzi解释说，之前利用人工神经网络建模人类认知的许多成果都基于监督式学习算法。这样的算法在生物学上不合理，还要求在每一个学习事件中都有外部的教育信号可用，并表现出了一种值得怀疑的假设：学习在很大程度上是判别式的。相反，生成模型在没有任何监督或奖励的前提下学习感官数据的内部表征。也就是说，物体的图像等感官模式不需要进行标注来告诉网络输入中呈现了什么或它应该如何做出反应。

　　该GENMOD团队还利用深度神经网络开发了**个全面的、真实的字母感知计算模型，该模型以完全无监督的方式从不同字体、样式和大小的数千张字母图像中进行了学习。通过预先输入的自然场景的随机图像，该网络学会了随时间定义线条、形状和图案。当它随后被用于观察书面文本时，它应用了相同的过程来区分字母，并最终区分出了单词。

　　Zorizi表示：“这支持了关于人类如何发展出书面语言的假设。大脑中没有一部分是为阅读而发展的，因此当我们需要识别对象时，使用的是相同的认知过程。”这个生成模型方法是建立人类感知和认知模型的一个重大突破，这与神经生物学理论强调大脑中混合自下而上和自上而下的相互作用相一致。

　　无监督学习神经网络也可能被用于各种各样的应用中，这些应用中的数据都是未被分类且没有标签的。例如，该网络可以用来在功能磁共振成像中识别人类大脑活动的特征，这对于其他技术或人类观察者来说是不可能的。它甚至可以用来制造真正智能的智能手机，把像智能检测、学习和决策克服日益严重的网络过载问题这样的认知能力灌输到移动设备中。

　　Zorzi表示：“我们的发现证明了生成模型代表了前进中关键的一步。我们希望我们的工作能影响更广泛的认知建模社区，激发其他研究者在未来的研究中去拥抱框架。”