普林斯顿大学教授：如果人脑原理应用与机器，AI或有大进步

11月18日消息，在2018年未来科学大奖颁奖典礼暨F²科学峰会上，Robert Bendheim and Lynn Bendheim Thoman神经科学讲席教授，心理学教授， 普林斯顿大学神经科学研究所主任Jonathan D. Cohen以认知、计算和大脑的关系为主题进行演讲。他表示：“人类能够控制自己的行为并且自动适应不同的学习内容，机器却不能。

Jonathan D. Cohen表示传统上观测人类大脑的活动，通过行为反馈来进行分析，现在则可以以很快的速度去进行神经的观测，以此来明确大脑的不同工作情况。以注意力举例来说，人类可以试图令一个人不关注负面内容，去关注正面内容，这就要用注意力的变化，训练大脑来实现，目前在临床上也有很多人在这样做。通过大脑的图像进行更进一步的研究，可以实时训练大脑，比之前传统的行为反馈观测省时省力。从心理学上来说，人们是可以控制自己的注意力的。

Jonathan D. Cohen表示曾经和计算机科学家进行合作，对大脑活动进行分类，这样作为一个闭合的环路，把大脑中的行为进行分析，这样能够更好了解大脑如何分析正确的信息。这些是针对于患有抑郁症等相关病症的病人来做的实验，能够通过和工程师合作，了解大脑原理，治疗病症，让人们生活得更好。

神经科学方面的专家也希望把自己的研究和人工智能结合，从数学理论、计算机科学和神经科学等学科互相汲取灵感，了解人类的智能，没有任何一种单独的学科能够解决这些问题。目前深度学习取得了很大的进步，最近自动驾驶，自动识别和国际象棋机器人兴起，不过他们做不涉及目标的事情是做得很不好的。一方面他们很强大，另一方面他们也很弱小，深度学习算法可以被培训，通过慢慢学习可以比人类做得出色，人类却已经学习了通用的准则进行实践，可以跨界应用，而机器却不能进行通用的动作。人类能够控制自己的行为并且自动适应不同的学习内容，机器却不能。在深度学习中植入长度记忆和深度记忆，也会有力于机器学习。未来将人类脑科学的原理系统应用于机器，有可能会引来新一波人工智能浪潮。