参考消息网9月21日报道据（jù）卡塔尔半（bàn）岛电（diàn）视台网（wǎng）站8月24日报道，科学家们一直致力于开（kāi）发人工智能，试（shì）图弥（mí）合人工智能与（yǔ）人类大脑之间的差距。他们在最近的实验中发现（xiàn），有一些人工智能程序已经（jīng）开始（shǐ）能以接近人脑的方式运（yùn）转。

报道称，该研究表明，人工神经网络（luò）与人脑的运（yùn）作非常接（jiē）近。

10年前，科学家们已经培训了许多最先进的（de）人工智能系统，让它们（men）学会使用巨大的（de）数据存（cún）储（chǔ），以“训练”人（rén）工（gōng）神经网（wǎng）络学会正（zhèng）确区分（fèn）事物。

这种“监督（dū）型”的训练（liàn）需要通过人工来对数（shù）据进行分（fèn）类，这（zhè）件事情是（shì）非（fēi）常费力的。而神经网络往往会使用（yòng）捷径来（lái）学会如（rú）何利用（yòng）最少的（de）信（xìn）息将事物相（xiàng）互联系起（qǐ）来（lái）。

例如，人工神经网络（一组相连的计（jì）算机）可能通过（guò）草的存在来（lái）识（shí）别牛的图像，因为牛（niú）通常都（dōu）是在田（tián）野中（zhōng）被拍到（dào）的。

据（jù）《量子杂志》网（wǎng）站（zhàn）中（zhōng）提到的（de），加州大（dà）学伯克利分校的计算机科学家阿列克谢·埃（āi）弗罗（luó）斯曾表示：“计算机和人工智能（néng）程序（xù）并没有真（zhēn）正学（xué）习课程，但在考（kǎo）试中也能考得很好。”

此外，在那些（xiē）对生物和人工智能（néng）的交叉感兴趣的研究人员看来，这种“监督型学习（xí）”可能仅限于（yú）能够揭示生物（wù）大脑运作的本质。因为动（dòng）物和（hé）人类并不会使用（yòng）标记数据组（zǔ）作为唯一（yī）的（de）学习来（lái）源，而是依靠自己对（duì）环境的探索所（suǒ）获得的经验，这种方式（shì）能使其获得关于世界的丰（fēng）富（fù）而充分的（de）了解。

如今，计算（suàn）神经科学（即根据神经系统结构的信息处理（lǐ）特性（xìng）研究大（dà）脑的功能）的（de）一些专家开始（shǐ）探索通（tōng）过由人类来分类的少量数据进行训练的（de）自动神经网络。

报（bào）道指（zhǐ）出（chū），机器“自我学习”算法已被证实在学（xué）习人类语言（yán）方面很成功（gōng），并且最近成功做到了识别（bié）和区（qū）分图像。

在最新的一项研究中，使用人工智能（néng）程序（xù）的自我监督学（xué）习模型构建的模（mó）拟哺乳动物（wù）视觉和听觉系统的计算模（mó）型（xíng），显然比（bǐ）监督学习模型构建的计算模型更接近（jìn）大脑的（de）功能。

对于一些神经（jīng）科学家而言，人工神经网络似乎开始在慢慢（màn）揭（jiē）示（shì）出人（rén）类和动物（wù）大脑（nǎo）的一些实际的学习方法（fǎ）。

通过向（xiàng）猴子与人工（gōng）神经网络展示相同的（de）图像来进行（háng）研究，神经科学家使用人工神经网络开发了视觉系统的（de）简单计算机模型。

比如，对比真（zhēn）实（shí）神经元和人造神（shén）经元的活动，可以发现这两（liǎng）者（zhě）表（biǎo）现出了非常相似且有趣的（de）对应关系。科学家（jiā）还发现（xiàn）了用（yòng）以检（jiǎn）测声音和（hé）气味（wèi）的机器之间的一（yī）个通信模型。

通过对人工智（zhì）能（néng）程（chéng）序及（jí）其（qí）连接的人工神经网络进行反复的试验，科学家们开始观察到了一种（zhǒng）接近人类大脑学习方法（fǎ）的独（dú）特学习模型。

AI Cebic研究所的计算神经科学家布莱克·理（lǐ）查兹表示（shì）：“我认为，大脑所做的学习活动毫无（wú）疑问90%都是自我（wǒ）监督学（xué）习。”

大脑也会从自己（jǐ）的（de）错误中（zhōng）进行（háng）学习。在我（wǒ）们大脑的反（fǎn）应中只有一小（xiǎo）部分源自于外（wài）部，而这一部分会告诉（sù）我（wǒ）们答案（àn）是错误的。

理查兹及（jí）其（qí）团队为帮助回答（dá）各种（zhǒng）问题的机器创（chuàng）建了一个自我监督模型。他们训练了一个人工智（zhì）能，该人工智能结合了两种不（bú）同神经网络：一个名为卷（juàn）积神经网络，负责（zé）处（chù）理（lǐ）图像；另一个被称（chēng）为循环（huán）神经（jīng）网络（luò），专门关（guān）注移动物（wù）体。

理查兹的（de）团队发现，使用卷积神经（jīng）网络训练的人工（gōng）智能擅长识别物体，但（dàn）不擅长对运动进行（háng）分类（lèi）。

但是（shì），科学家们（men）将通信（xìn）网（wǎng）络分成了两部分，然后就（jiù）创建出了两条路径（不改变神经元（yuán）的总数）。即人工智能开（kāi）发了（le）分别用于识别（bié）静态（tài）物（wù）体以（yǐ）及移动物体的两个部分，这样最终就能够对呈现给它的场景（jǐng）进行分类。科学（xué）家认为，这也是我们人类大脑所（suǒ）使用的方法。

为了进一步对人工智能进行测试，研究（jiū）团（tuán）队分别向（xiàng）人工神经网络和一组老鼠展示（shì）了一些（xiē）视（shì）频。值得一提的（de）是（shì），老鼠的大脑（nǎo）中也存（cún）在（zài）专门处理静态图像和运（yùn）动特（tè）征场景的区域。

最后，科学（xué）家（jiā）们证实，在人类或动物的大脑中充（chōng）满了（le）所谓的反馈连接，与（yǔ）此同时目前（qián）的（de）人工（gōng）智能（néng）模型几乎没有这类连（lián）接的存在。