人工智能是不是走错了方向？(7)

是的，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。 Clyce回答：

从问题结合描述来看，题主的疑问至少包含如下 五层 疑惑：

当前人工智能的运算结构和人类的大脑结构是否是一致/同构的？

机器的学习过程一定是被动的吗？

是否只有和人类大脑一致/同构的 内部结构 ，才能获得一致或相似的 外在表现？

人工智能的正确方向和目的是什么？

人工智能的方向走错了吗？

同时，鉴于题主的描述，我在此粗略地将题中的“人工智能”替换为“我们当前采纳的深度学习”

在回答这些问题之前，首先需要指出的是，人的判断应当基于对事实的观察，而非简单的“我相信”或者“我不信”。

另外需要声明的是，我个人的专精领域是强化学习和计算机视觉，对于下文中提到的生物学、神经科学等领域的描述不一定能够做到完全准确，还望指出与讨论。

人类目前的”深度学习“在工作原理上与人脑有多少相似

接下来我们从第一层谈起，围绕题主的问题描述进行当前人工智能在 原理 上和人脑的关系。

我不信大脑每天都在大量的傅里叶变换，来处理视觉和声音数据。

题主的第一条陈述包含了如下三个可讨论的议题：

人工智能运用傅里叶变换的场景中，傅里叶变换的 目的 是什么

人类意识中是否包含了 为相同目的 而设立的处理机制

人脑及其“周边结构中”中是否具备 显式 进行傅里叶变换计算的部分

对于机器系统中运用傅里叶变换的目的，不必做太多的解释。大多数情况下是对应的信号在 频域空间 下更容易处理，或者展现出其在时域空间下难以提取的特征。对于人工智能系统而言，傅里叶变换往往并非在系统中作为可学习部分，而是作为数据预处理的部分而存在。