不过如此or不止如此： 我们可以被还原为大脑吗（下）| 神经漫游Ep.22
本期纲要
[00:50] 人工智能从符号主义到连接主义
[08:30] 符号主义兴起
[10:06] 连接主义重新被盘活
[15:53] 卷积结构
[17:49] 连接主义是还原论的吗
[25:52] 计算主义 vs 连接主义
[29:40] 找出你的大脑图谱，就能意识上传吗
[38:48] AlphaGo 是符号主义的还是连接主义的？
[43:53] 不模仿生物结构，深度学习的黑箱
也可以点击下方小程序卡片收听
参考延伸
向下滑动查看
连接主义的人工智能：
感知机（perceptron），模仿神经元实现感知问题的可能性，用于图像识别分类等
Marvin Minsky, Perceptrons: an introduction to computational geometry
无法解决线性不可分的问题，如「异或问题」
更多历史：大脑神经网络——不完美的民主社会
John Hopfield 重新盘活连接主义
用神经网络解决 NP 难问题（e.g., 旅行商问题 travelling sellsman problem）
John Hopfield, David Tank. “Neural” computation of decisions in optimization problems. Biological Cybernetics, 1985.- 参见https://link.springer.com/article/10.1007/BF00339943
并行分布式信息处理
Parallel and distributed processing (PDP)
神经表示是分布式的，计算是并行的。
获图灵奖的“深度学习三巨头”：
Yoshua Bengio, Geoffrey Hinton, Yann LeCun
专家系统：
基于知识数据库和符号推理的早期人工智能系统。
- 参见https://en.wikipedia.org/wiki/Expert_system
联想记忆网络：
与循环神经网络类似，是一类带反馈连接的人工神经网络模型，可以用来模拟记忆的存储和提取，或者模式补全。
- 参见https://www.tutorialspoint.com/artificial_neural_network/artificial_neural_network_associate_memory.htm
银烛推荐科幻《为您效劳》
选自莱姆《完美的真空》
AlphaFold 做蛋白折叠，价值函数估计
Senior, Andrew W., et al. Improved protein structure prediction using potentials from deep learning. Nature 2020.
distributional reinforcement learning：
预测价值回馈的分布。
Bellemare, Marc G., Will Dabney, and Rémi Munos. A distributional perspective on reinforcement learning. ICML 2017.
Dabney, Will, et al. A distributional code for value in dopamine-based reinforcement learning. Nature 2020
统筹：汉那 | 主播：杨闰哲，杨银烛，小羊，汉那
后期：北方
封面：ZHU | 排版：茅亚涵