版權歸原作者所有,如有侵權,請聯系我們
審核專家:鄭遠攀
鄭州輕工業大學教授
最近的人工智能領域可謂熱鬧非凡,以Chat GPT(Chat Generative Pre-trained Transformer,聊天生成預訓練轉換器)為首的一眾AI(Artificial Intelligence,人工智能)產品在網絡上掀起熱潮,以強大的性能不斷刷新網友認知,讓很多人認為AI改變世界的時代就要來了。
然而有科學家卻提出,當前人類的計算機技術已經觸及瓶頸,AI的發展將會受到限制,于是提出了類器官智能(Organoid Intelligence,OI)的概念,并稱OI如果能在未來實現,那么很有可能讓科幻電影中的“強人工智能”成為現實。
AI、GPT與強人工智能
在了解OI之前,我們首先來說說風頭正勁的AI。AI就是人工智能,最早在1956年的達特茅斯會議上被正式提出。它是對人的意識和思維過程的模擬,是人類用以了解智能本質的手段。溫斯頓教授對AI的定義是“研究如何使計算機去做過去只有人才能做的智能工作”。來源丨pixabay
經過數十年的發展,AI已經被廣泛應用在生活當中。如手機搭載的智能語音助手、認證環節經常出現的人臉識別以及網上沖浪時的信息推送等角色與事務都離不開AI的參與。
在醫療、物流、生產、交通等高精尖領域,它也發揮著重要作用。甚至在一些普遍認為AI難以取代人類的領域,如繪畫、作曲等,也開始被AI滲透,其作品的完成度讓人驚嘆,甚至獲得評委們的一致好評。AI作品《太空歌劇院》
來源丨AI/百度百科
2022年在科羅拉多州博覽會舉辦的一場美術競賽上,一幅名為《太空歌劇院》的畫作奪得了數字藝術獎的冠軍。這幅畫是當地一位叫杰森·艾倫的設計師利用人工智能創作,再利用Photoshop潤色后完成的。這幅作品的獲獎在當地的美術圈也引起了相當大的爭議。
現在的人工智能需要大量數據進行學習訓練,在大數據時代背景下,AI的發展變得更加快速便捷,最近引爆網絡的ChatGPT就離不開龐大數據的支持。來源丨網絡圖片
ChatGPT是一種基于互聯網可用數據訓練的文本生成深度學習模型,目前已經更新到了GPT-4。GPT-4的知識面涵蓋了幾乎所有學科,能夠生成語法規范、邏輯嚴密的文本,也能進行繪畫創作,甚至能在人類的一些頗具難度的考試如SAT(Scholastic Assessment Test學術能力評估考試,俗稱的美國高考)考試、司法考試中取得極高的分數,強大得讓人驚嘆。
目前所有的人工智能還都處于弱人工智能的階段。強人工智能,又稱多元智能,是指具備智能完整性,能夠進行自主推理和思考的人工智能,被認為能夠產生知覺和意識,是AI發展的新目標。有觀點認為強人工智能可能永遠無法實現,但OI概念的出現卻為多元智能帶來了希望。OI也許可以通過直接模擬人腦的構造、思維模式、學習模式等,發展出完整的強人工智能。
OI是什么?
有不少人認為,ChatGPT的出現,標志著人工智能的發展來到了一個奇點,將會迎來行業井噴式發展。然而有眼光銳利的科學家卻認為,當今的計算機技術和人工智能技術已經無限接近瓶頸——因為人類已經很難在芯片上安裝更多的晶體管了。
其實對人類來說,人腦才是最復雜的智能系統,人工智能的本質也是對人腦思維過程的模擬,那么能不能直接創造一個“大腦”呢?
2023年2月,約翰斯·霍普金斯大學的Thomas Hartung團隊提出了類器官智能即OI的概念,以期利用這個理論,在未來發展出更強大、高效、節能的計算機形式。
類器官是指通過3D體外細胞培養系統,培養出一種與體內器官或組織來源高度相似的器官模型,它雖然不是真正的器官,但具備原本器官的部分功能。
來源丨pixabay
OI就是運用類似的技術,在體外培養出大腦的細胞組織,將其作為生物計算機的核心硬件——CPU和顯卡,再通過微電極陣列等方式與外部電子設備連接,進行訓練和計算。
2022年12月,澳大利亞的生物科技初創公司Cortical Labs利用人體的干細胞誘導分化出人類的神經元,并將這些神經元與多電極陣列計算機集成,組成了一個人腦與計算機的合體。隨后他們還通過微電極陣列,讓它開始玩一款“乒乓球”游戲,神經元僅用了五分鐘就學會了這款游戲的操作。而相似規模的人工神經網絡,可能需要花上90分鐘的時間。
來源丨pixabay
由于類器官智能是基于生物硬件的,最大的進步之一就是降低了功耗。OI的核心硬件設備幾乎可以視為另一個大腦,而大腦的功耗是極低的。
一個成年人的大腦平均功耗僅有20W,而大部分AI服務器的功耗通常在10^6W左右。一些頂級的超級計算機,如我國的神威·太湖之光超級計算機,功耗更是達到了15.37MW(兆瓦)。另外,OI還具有極強的深度學習能力。
OI比AI更懂學習
由于OI具有人腦的組織結構,可以實現“少樣本學習”,對于復雜問題的處理能力也遠超傳統AI。如果要對一個簡單的事物進行識別,人腦僅需約10個左右的樣本就能學會,而早年,AI即使“學習”了上百萬個樣本也依舊沒有學會。
擊敗了世界頂級圍棋棋手李世石的阿爾法狗(AlphaGo),被“投喂”了近十六萬場的棋局數據,這樣的訓練量,一個職業選手哪怕每天不吃不喝只進行訓練也需要約37年。
人腦具備相當復雜的神經網絡,就像是一個超多核處理器。人腦思考的區域主要集中于大腦皮層,此處擁有約140億個神經元,能夠產生1014~1015OPS(Operations per second,即每秒運算次數)的算力,是普通計算機算力(1010 OPS)的十幾萬倍。擁有如此強大的算力,配合高度復雜的神經網絡結構,人腦才得以演化出一套多層結構的深度學習模式。這套模式讓人類可以高效進行各種復雜問題的學習和處理,效率是計算機的上百萬倍。
同時,人腦在對一件事情進行學習后,所獲得的經驗、策略、方法等還可以應用于其它事情。比如我們通過學習圍棋而培養出的思維模式和方法論,也可以用在籃球、足球等其他項目上,而AI如果要新學習一種技能,則必須從零開始。
來源丨hippopx
毫無疑問,OI是一項跨時代的前瞻性技術,想要真正實現,或許還有數十年的路要走。一些科學家還提出了其倫理問題,例如如何保障隱私權益、遵循道德規范、尊重人性價值等,這些問題的解決也需要過程和時間。
未來,若OI能夠真正實現,或許會在人工智能領域掀起新一輪狂潮,到那時,也許真的可以實現科幻電影中展示的具備知覺和意識的強人工智能。
歡迎掃碼關注深i科普!
我們將定期推出
公益、免費、優惠的科普活動和科普好物!