人工智能是不是走错了方向？(3)

然后，您提到神经元再少的动物，学习任何方向的任务都有主动性，而目前人工智能学习某一方向只是受控。您的意见部分正确。较少的神经元确实使动物更难学习某些任务，但不是所有任务。一般来说，神经元较少的动物不如神经元较多的动物聪明。然而，在某些任务中，神经元较少的动物可以比神经元较多的动物学习得更好。例如，神经元较少的动物可能更擅长学习简单的习惯，而神经元较多的动物可能更擅长学习复杂的概念。此外，人工智能并不总是控制学习的方向。一些人工智能系统旨在向任何方向学习，而另一些则旨在仅向某个方向学习。例如，强化学习是一种可以向任何方向学习的AI，而监督学习是一种只能向某个方向学习的AI；迁移学习是一种人工智能，如果提供正确的数据，它可以向任何方向学习；包括无监督学习在内的其他一些学习范式也可以向任何方向学习。

最后，您发出疑问，认为人类大脑也是电信号，但不只是0和1这种二进制，人脑信号是模拟信号吗？研究发现，人脑是模拟信号，但可以用数字信号来表示。换句话说，人脑是一个可以数字化的模拟信号。例如，2014 年发表在《人类神经科学前沿》杂志上的一篇论文使用从模拟信号转换而来的数字信号来研究人脑。2016 年提出的另一项研究也表明，数字信号可用于研究人脑。

总体而言，您承认目前数学算法这种方向的人工智能，在生活中绝对有使用场景。但您质疑要做出一个有主动思想的人工智能，基于目前冯·诺依曼架构的计算机，是否是无法实现？事实上，可以基于当前的冯诺依曼架构创建具有主动思维的人工智能。但是，与基于不同架构的 AI 相比，要做到这一点要困难得多。人工智能促进协会在 1990 年发表的一篇论文提出了一种可以支持主动思考的人工神经网络架构。本文介绍了“黑板架构”的概念，其中各种人工智能模块可以协同解决问题。虽然黑板架构尚未被广泛采用，但它表明基于冯诺依曼架构创建具有主动思维的人工智能是可能的。Hod Lipson 和 Sebastian Thrun 的另一项研究表明，可以创建一种无需任何人工干预即可随着时间的推移主动学习并提高其性能的 AI，并且该 AI 基于冯诺依曼架构。

以下是拆解掉的答案。

首先，GPT-3对于整个问题总体做出了一个宏观的回答。

There is no easy answer to this question. It depends on what you mean by "going in the wrong direction ." If you mean that current AI research is not focused on creating artificial intelligence that is more like the human brain, then yes, you could say that we are going in the wrong direction. However, if you mean that current AI research is not focused on creating artificial intelligence that is more intelligent than the human brain, then the answer is less clear. There is no one right direction for AI research, and it is possible that different approaches will be necessary to create artificial intelligence that is both more like the human brain and more intelligent than the human brain.