参考消息网9月21日报道据卡塔尔半岛（dǎo）电视台网（wǎng）站8月24日报道，科学（xué）家们一直致（zhì）力（lì）于开发（fā）人（rén）工智（zhì）能，试图（tú）弥合人（rén）工智能与人类大脑之间的（de）差距。他们在最（zuì）近的实验中发现，有一（yī）些人工（gōng）智（zhì）能程序已经开始能以接近人（rén）脑的方式（shì）运（yùn）转。

报道称，该研究（jiū）表明，人工神（shén）经网络与人（rén）脑的运作（zuò）非常接近。

10年（nián）前，科学家们（men）已经培训了许多最先进的人工智能系统，让它（tā）们学会（huì）使（shǐ）用巨大的数据存储，以“训（xùn）练”人工神经网（wǎng）络学会正确区分事（shì）物（wù）。

这种“监督型”的训练需要通过人工来对数据（jù）进（jìn）行（háng）分类，这件（jiàn）事情是非常费力的。而神经网络往往会使用捷径来学会（huì）如何利用最少（shǎo）的（de）信息将事物相互联系起来。

例如（rú），人工神（shén）经网络（luò）（一组相（xiàng）连的计算机）可（kě）能通过（guò）草的（de）存在来识别牛的图像（xiàng），因为（wéi）牛（niú）通常都（dōu）是在田野中被拍到的（de）。

据《量子杂志》网站中提到的，加州大学伯克利分校的计算机科学家阿列克谢（xiè）·埃（āi）弗罗（luó）斯曾（céng）表示：“计算机和人工智能程（chéng）序并没有（yǒu）真正学习课（kè）程，但在考试（shì）中也能考得很（hěn）好。”

此外，在那些对生物和（hé）人工智能的（de）交叉（chā）感兴趣的研究人员看来，这种“监（jiān）督型学习（xí）”可能仅限于能够揭示生物（wù）大脑运作（zuò）的本质。因为动（dòng）物（wù）和人（rén）类并不会使用（yòng）标记数（shù）据组作为唯一的学（xué）习（xí）来源，而（ér）是依（yī）靠自己对环境的探索所获得的经验（yàn），这种方式（shì）能使其（qí）获得关（guān）于世（shì）界的丰富而充（chōng）分的了解。

如今，计算神经科学（即根据神经系统结构的信息（xī）处理特性研（yán）究大脑的功能（néng））的一些专（zhuān）家开始探（tàn）索通（tōng）过（guò）由人（rén）类来分类（lèi）的少量数据进（jìn）行训（xùn）练的自动神经网络。

报道指出，机器（qì）“自（zì）我学习”算法已被证（zhèng）实在学习人类语言方面（miàn）很成功，并且最近成（chéng）功做到了（le）识别和区分图像。

在最新的（de）一项研究中，使（shǐ）用人（rén）工智能程（chéng）序的自我监督学习（xí）模型构建的模拟（nǐ）哺乳动物视觉和听觉系统的计算模（mó）型，显然（rán）比（bǐ）监督学习模型构建的计算模型更（gèng）接（jiē）近大脑的功能。

对于一些神经科（kē）学家而言，人工神经网络（luò）似乎开始在慢慢（màn）揭示出人类和动物大（dà）脑（nǎo）的（de）一些实际（jì）的学习方法。

通过向猴子与人工神经（jīng）网络展示相同的图像来进行研究，神经（jīng）科学（xué）家使用人工神经网络开（kāi）发了视觉系统的简单计（jì）算机模型。

比如（rú），对比（bǐ）真实（shí）神经（jīng）元和人造神经元（yuán）的活动，可（kě）以发现（xiàn）这两者表现出（chū）了非常相似且有（yǒu）趣的（de）对（duì）应（yīng）关系。科学（xué）家（jiā）还发现了用以检测声音和气味的机（jī）器之间的一个通信模型。

通（tōng）过对人工智能程序及其连接的（de）人工神经网络进行反（fǎn）复的试验，科学家们开始（shǐ）观察到了一种接近人类大脑学（xué）习方（fāng）法的（de）独特学习模型。

AI Cebic研究所的计算（suàn）神经科学家布莱克·理（lǐ）查（chá）兹表（biǎo）示：“我认为，大（dà）脑所做的学（xué）习（xí）活动毫无疑（yí）问90%都是（shì）自我（wǒ）监督学（xué）习。”

大脑也会（huì）从自（zì）己的错误中进行学习。在我（wǒ）们大脑的反应中只有一小部分源自于外部，而（ér）这一（yī）部分会告诉我们答（dá）案是错误的（de）。

理查兹及其（qí）团队为帮助（zhù）回答各种问题（tí）的机器创建了一个自（zì）我监督模型。他们训练（liàn）了一个人工（gōng）智（zhì）能，该人工智（zhì）能结合了两种不同神经网络：一个名（míng）为卷积神经（jīng）网络（luò），负责处理图像（xiàng）；另一个（gè）被称为循环神经（jīng）网络，专门关注移动物体（tǐ）。

理查兹的团队发（fā）现，使用卷积神经网络（luò）训练的人工智（zhì）能擅（shàn）长（zhǎng）识别物体，但不擅长对运动进行（háng）分类。

但是，科学家们将通信网络分成了（le）两部分，然后就创（chuàng）建出（chū）了两条路径（jìng）（不改变神经（jīng）元的总数）。即人工智能开发了分别用于识（shí）别静态（tài）物体以及移动物体的两个部分（fèn），这（zhè）样最终就能够（gòu）对呈（chéng）现（xiàn）给它的场景进（jìn）行分类。科学家认为（wéi），这也是我们人类大脑所使用的方法。

为了进（jìn）一步对人工（gōng）智能进行测试，研究团队分（fèn）别（bié）向人工神经（jīng）网络和一组老鼠展示（shì）了一些视频。值得一提的是（shì），老鼠的（de）大（dà）脑中也存在专门（mén）处理静态图像（xiàng）和运动特征场景的区域。

最后（hòu），科学家（jiā）们证实，在人类或动物的大脑中充满了所谓的反馈连接，与此（cǐ）同时目前（qián）的人工（gōng）智能（néng）模（mó）型几乎没有（yǒu）这类（lèi）连接（jiē）的（de）存在。