参考（kǎo）消息网9月21日报道据（jù）卡（kǎ）塔（tǎ）尔（ěr）半岛电（diàn）视台网（wǎng）站8月24日报道（dào），科学家们（men）一直（zhí）致力于开（kāi）发人工智能，试图（tú）弥合人工智能与人类大脑之间的差距。他们（men）在最近的实验中发现，有一些人工智能程序已经开（kāi）始（shǐ）能以接近人脑（nǎo）的方式运转。

报道（dào）称，该（gāi）研究（jiū）表明（míng），人（rén）工神经网络与人脑（nǎo）的运作非常接近（jìn）。

10年前，科学家们已（yǐ）经培训（xùn）了许（xǔ）多最先进的人工智能系（xì）统，让它们学会使用（yòng）巨（jù）大的数据存（cún）储，以“训练”人工神经（jīng）网络学会（huì）正确区分（fèn）事（shì）物。

这种“监督（dū）型”的训练需要（yào）通过人工来对数据进行分类，这（zhè）件事情（qíng）是非常费力的。而神（shén）经网（wǎng）络往往会使（shǐ）用捷径来学（xué）会（huì）如何利用最少（shǎo）的（de）信息将事物相互联系起来（lái）。

例如，人（rén）工神经网络（luò）（一组相连的计算机）可能通过草的存在来（lái）识别牛的图像，因为牛通常都是（shì）在田野中被拍到的（de）。

据《量子（zǐ）杂志》网站中提（tí）到的（de），加州大学伯克利分校的计算机（jī）科学家阿（ā）列克谢·埃弗罗斯（sī）曾表示：“计算机和人（rén）工智（zhì）能程（chéng）序并没有真正学习课程，但在考（kǎo）试中也能考得（dé）很（hěn）好。”

此外，在那些对（duì）生物（wù）和人工智能的交叉（chā）感兴（xìng）趣的研究人员看来，这种“监督型学习”可能仅限于能够揭示生物大脑运作的本质。因为（wéi）动（dòng）物和人类并不会使用标记数据组作为唯一的学习（xí）来源，而是依靠自己对（duì）环境的探索所（suǒ）获得的经验，这（zhè）种方式能使其获得关于（yú）世界（jiè）的丰富（fù）而充分的了解。

如今，计算神经科（kē）学（即根据（jù）神经系统结构的信（xìn）息处理特性研究（jiū）大脑的功能）的一些（xiē）专家开始探索通过由人（rén）类来分类的（de）少（shǎo）量数据（jù）进行训练的自动神经网络。

报道指出，机（jī）器“自我学习”算法已被证（zhèng）实在（zài）学习人类语言方面很成功（gōng），并且最近成功做到了识别和区（qū）分图像。

在最新的（de）一项（xiàng）研（yán）究（jiū）中，使用人工智（zhì）能程序（xù）的自我监督（dū）学习（xí）模型构建的模拟哺乳动物视觉和听觉系统的计（jì）算模型（xíng），显然比监督学（xué）习（xí）模（mó）型（xíng）构建的计算模型更接近（jìn）大脑的功能（néng）。

对于一些神经（jīng）科学家（jiā）而言，人工神经网络似乎开始（shǐ）在慢慢揭示出人类和动物大脑的一些实（shí）际的学习（xí）方法。

通过（guò）向猴子（zǐ）与人工（gōng）神经（jīng）网络（luò）展示相同的图（tú）像来进行研究，神经科学家使（shǐ）用人（rén）工神经（jīng）网络开（kāi）发了（le）视觉系统（tǒng）的（de）简单计算机（jī）模型。

比如，对比真实神经元和人造神经元的活动（dòng），可（kě）以发（fā）现这（zhè）两者表（biǎo）现（xiàn）出了非常相似且有趣的对应关系。科学家还（hái）发现（xiàn）了用以检（jiǎn）测声音和气味的机器之间的一个通（tōng）信模型。

通过对人工智能程序及其（qí）连接的人（rén）工神经网（wǎng）络（luò）进行反复的（de）试验，科学家（jiā）们开始观（guān）察（chá）到了一种（zhǒng）接（jiē）近人类大（dà）脑学习方法的独特学习模（mó）型。

AI Cebic研究所的计算（suàn）神经科学家布莱（lái）克·理查兹表示：“我认为，大脑所做的学习活动毫无疑问90%都是自我监督学（xué）习。”

大脑也会（huì）从自己的错误中进行学习。在我们大脑（nǎo）的反应中只有一（yī）小部分源自于外部（bù），而这（zhè）一部分会告诉我们答案是错误（wù）的。

理（lǐ）查兹及其团（tuán）队为帮助回答各（gè）种（zhǒng）问题的（de）机器创（chuàng）建（jiàn）了一（yī）个自我监督模（mó）型。他们训练了一个人工（gōng）智能，该人工智能（néng）结合了两种不同神经网络：一个名为卷积神经网络，负责处（chù）理图像；另（lìng）一个被称为循环神经网络，专（zhuān）门关注移动物体。

理查兹的团队（duì）发（fā）现，使用卷积（jī）神经网络训练（liàn）的（de）人（rén）工智能擅长识别（bié）物体（tǐ），但不擅长对运动（dòng）进行分类。

但（dàn）是，科学（xué）家们将通（tōng）信网络分成了两部分，然后就创建出（chū）了两条路径（不（bú）改变神经（jīng）元的（de）总数）。即人工智能开发了分别用于识别静态物体以及移动物体（tǐ）的两个部（bù）分，这样最终就能够（gòu）对呈（chéng）现给它的场（chǎng）景进行分类。科（kē）学家认为（wéi），这也（yě）是我们人类大脑所使用的方（fāng）法。

为了进一（yī）步对人工智（zhì）能（néng）进行测试，研究团队分别向人工（gōng）神经网络和一组老（lǎo）鼠展示了一些（xiē）视频。值得一提的是，老鼠的（de）大（dà）脑中也存在（zài）专门处理静态图像和（hé）运动特（tè）征场景的（de）区域。

最后（hòu），科学（xué）家们证实，在人类或动物的大脑（nǎo）中充满（mǎn）了所谓的反馈连接，与此同时目前（qián）的人工智能模型几乎没有这类（lèi）连接的存在（zài）。