参考消息网9月21日报（bào）道据卡塔尔半岛（dǎo）电视台网站8月24日（rì）报道（dào），科学家（jiā）们一直致（zhì）力于（yú）开发人工智能，试图弥合人工智能与人类大脑之间的（de）差距。他（tā）们在最近的实（shí）验中发现，有一些人工智能程序已经开始能以接近人脑的方式运（yùn）转。

报道称（chēng），该研究表明（míng），人工神经网（wǎng）络与人脑的运（yùn）作（zuò）非常接近（jìn）。

10年（nián）前，科学家们已经培训了许多最先进的人工智能系统，让它们（men）学会使用巨（jù）大的数据存储，以“训练”人工神经网（wǎng）络学会正（zhèng）确区分事物。

这种“监督型”的训练需要通过（guò）人工来对数据进（jìn）行分类，这件事情是（shì）非（fēi）常费力的。而神经网络往往会使（shǐ）用捷径来（lái）学会如何利用最少的信（xìn）息将事物（wù）相互联系起来。

例如，人工神（shén）经（jīng）网（wǎng）络（一（yī）组相连的计算机）可（kě）能通过草的存在来识别牛的图像，因（yīn）为牛通常都是在田野中被拍到的。

据《量子杂（zá）志》网站（zhàn）中（zhōng）提（tí）到的，加州大学伯克（kè）利分校的计算机科学家阿（ā）列克谢·埃弗罗斯曾（céng）表（biǎo）示：“计算（suàn）机和（hé）人工智能程（chéng）序并没有真正学习课程（chéng），但在考试（shì）中也能考得很好。”

此外，在那些对（duì）生物和人工智能的交（jiāo）叉感兴趣的研究人员（yuán）看（kàn）来，这种“监督型学（xué）习”可能仅限于（yú）能够揭示生物大脑运作（zuò）的本质。因为动物和（hé）人类并不会使用标记数（shù）据组作为唯一（yī）的学习来源，而是依靠自己对环境的探索所获得的经验，这种方式能使其获得关（guān）于世界的丰富而充分（fèn）的了解。

如今，计算（suàn）神经科学（xué）（即根据（jù）神（shén）经（jīng）系统结构的信息处理特性研究大脑的功能）的一些专家开始探索通过由人（rén）类来分（fèn）类（lèi）的少量数据进行训练的自（zì）动神经（jīng）网络。

报（bào）道指出，机器“自（zì）我学习（xí）”算法已被证实（shí）在学习人类语言方面很成功，并且最近（jìn）成（chéng）功做到了识别和区分图像。

在最新的（de）一项（xiàng）研究中，使（shǐ）用人工智能程序的自我监督学习模型构（gòu）建的模拟哺乳动（dòng）物视（shì）觉和听觉系统（tǒng）的计算模型，显然（rán）比监督学（xué）习（xí）模型构建的（de）计算模型更接近（jìn）大脑（nǎo）的功能。

对于一（yī）些神经科学家而言，人（rén）工神经网络似（sì）乎开始在慢（màn）慢揭示出人类（lèi）和动物大脑的一些实（shí）际的学习方法。

通过（guò）向猴子与人工（gōng）神经网（wǎng）络展示相同的图像来（lái）进行研（yán）究，神经科学（xué）家使用（yòng）人工神（shén）经网络开（kāi）发了视觉系统的简单计算机模型（xíng）。

比如（rú），对比真实神经元和人造神经元的活动，可以发（fā）现这两者表（biǎo）现出了非常相似且（qiě）有趣的（de）对应关系（xì）。科（kē）学（xué）家还（hái）发现（xiàn）了（le）用以检测声音和气味的机器之间的（de）一个通信模（mó）型。

通过对人工（gōng）智能（néng）程序及（jí）其连（lián）接的人工神（shén）经网络进行反复（fù）的试（shì）验，科学家们开始观察到了一种（zhǒng）接近（jìn）人类大脑学习方法的独（dú）特学习模型。

AI Cebic研究所的计算神经科学（xué）家布莱克·理查兹表（biǎo）示：“我认为（wéi），大脑所做的（de）学习活动毫无疑问90%都是（shì）自我（wǒ）监督学（xué）习。”

大（dà）脑也会从自己的错误中进行学习。在我们大脑（nǎo）的反应（yīng）中只有（yǒu）一小部分源自（zì）于外部（bù），而这一部（bù）分会告诉我们答案是错误的（de）。

理查兹及其团队为帮助回答各（gè）种问题的机（jī）器创建了一个自我监督模型。他们（men）训练了一个人（rén）工智能，该人工（gōng）智能结合了（le）两（liǎng）种不同（tóng）神经网络：一个名为卷积神经网络，负责处理图（tú）像（xiàng）；另（lìng）一个被称（chēng）为循环神经网络，专门关注移动（dòng）物体。

理查兹的团队发现，使用卷积神经网络训（xùn）练的人工智能擅长识别物体，但不擅长对运动进行分类。

但是，科（kē）学家们将通信网络分成（chéng）了两部（bù）分，然后就创建出了两条路径（不改（gǎi）变神经元（yuán）的总数）。即人工（gōng）智能开发了分（fèn）别（bié）用于识别（bié）静态物体（tǐ）以及移动物体（tǐ）的两个部分，这（zhè）样最终就能够对呈（chéng）现（xiàn）给它（tā）的场（chǎng）景进（jìn）行分类。科（kē）学家认为（wéi），这也（yě）是我（wǒ）们人类大脑（nǎo）所使用的方法（fǎ）。

为了进一步对人工智能（néng）进行测（cè）试，研究（jiū）团队（duì）分（fèn）别向人工神经网络和一组（zǔ）老鼠展示了一些视频。值得（dé）一提的是，老鼠的大脑中也存在专门处理静态图像（xiàng）和（hé）运动特征场景的区域（yù）。

最（zuì）后（hòu），科学家们证实，在人类或动（dòng）物（wù）的大脑中（zhōng）充满了所谓的（de）反馈连（lián）接，与此（cǐ）同时目（mù）前的人工智能模型几乎没有这类连接（jiē）的存在。