为什么计算神经科学和AI会融合

今天,神经网络主导着AI和AIOps的发展,但是我已经多次说过这是不可持续的。神经网络提供有效和有意义的结果的能力达到了顶峰。该科学存在基本的难处理性,不匹配性和固有延迟的问题。即使在神经网络上进行了大量投资,这也关系到AIOps,并且实时业务社区受到限制。这使我进入了计算神经科学领域,我相信它将极大地受益于AI。

当我凝视着AI可能如何发展的未来时,我期望与计算神经科学有很多交叉。神经网络目前正在发生的事情是与AI进行杂交的早期尝试,但这是失败的,并将继续如此。

什么是计算神经科学?

这是尝试采用人脑和相关神经系统的复杂且鲜为人知的行为,并开发数学和算法模型以试图了解其行为的方法。您可以将计算神经科学与经济学或气候科学进行比较。在所有这些情况下,您都拥有一个非常复杂的系统,该系统具有可见但轮廓不清的轮廓。我们希望我们可以学习有关这些系统的知识,以进行高级预测,这可以通过构建计算模型来实现,这些计算模型可以是直接算法或一组数学方程式,以尝试深入了解这些大型复杂系统。这种方法与其他科学方法(例如物理学和化学方法)完全不同,在科学方法中,您先定义明确的行为,然后尝试自下而上地理解,例如,为什么原子表现出它们的行为方式,或者分子或细胞如何相互作用。将计算神经科学,经济学和气候科学视为自上而下的科学,而不是经典的自下而上的科学。通常,计算神经科学将为您提供有关大脑和神经系统如何工作的指示。

当您以这种方式看时,变得非常有趣的一件事是AI和计算神经科学有许多相似之处。但是,人们认为这两个学科之间存在巨大差异,许多人将计算神经科学视为自下而上的科学,并将AI视为工程项目。这是错误的,它们都是自上而下的科学,正在研究非常相似且高度重叠的领域。因此,在未来的五到十年中,我们将看到这两个学科之间有更多的交叉。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。