为什么计算神经科学和AI会融合

数学算法俱乐部

日期：2020年01月03日

正文共：802字1图

预计阅读时间：3分钟

来源:教育新闻网

今天，神经网络主导着AI和AIOps的发展，但是我已经多次说过这是不可持续的。神经网络提供有效和有意义的结果的能力达到了顶峰。该科学存在基本的难处理性，不匹配性和固有延迟的问题。即使在神经网络上进行了大量投资，这也关系到AIOps，并且实时业务社区受到限制。这使我进入了计算神经科学领域，我相信它将极大地受益于AI。

当我凝视着AI可能如何发展的未来时，我期望与计算神经科学有很多交叉。神经网络目前正在发生的事情是与AI进行杂交的早期尝试，但这是失败的，并将继续如此。

什么是计算神经科学?

这是尝试采用人脑和相关神经系统的复杂且鲜为人知的行为，并开发数学和算法模型以试图了解其行为的方法。您可以将计算神经科学与经济学或气候科学进行比较。在所有这些情况下，您都拥有一个非常复杂的系统，该系统具有可见但轮廓不清的轮廓。我们希望我们可以学习有关这些系统的知识，以进行高级预测，这可以通过构建计算模型来实现，这些计算模型可以是直接算法或一组数学方程式，以尝试深入了解这些大型复杂系统。这种方法与其他科学方法(例如物理学和化学方法)完全不同，在科学方法中，您先定义明确的行为，然后尝试自下而上地理解，例如，为什么原子表现出它们的行为方式，或者分子或细胞如何相互作用。将计算神经科学，经济学和气候科学视为自上而下的科学，而不是经典的自下而上的科学。通常，计算神经科学将为您提供有关大脑和神经系统如何工作的指示。

当您以这种方式看时，变得非常有趣的一件事是AI和计算神经科学有许多相似之处。但是，人们认为这两个学科之间存在巨大差异，许多人将计算神经科学视为自下而上的科学，并将AI视为工程项目。这是错误的，它们都是自上而下的科学，正在研究非常相似且高度重叠的领域。因此，在未来的五到十年中，我们将看到这两个学科之间有更多的交叉。

— THE END —

☞数学为什么叫“数学”
☞线性代数拾遗（四）：线性方程组的应用☞世界上最奇怪的数学天才，被奖励100万却拒领，宁愿过得像乞丐☞斯坦福大学教育学院院长：学习本身就是一门学问☞施一公：没有高考，就没有一批非常优秀的社会精英从农村走出来☞从“干杂活”到一作发Science，头发还很茂密…这位上交博士是怎么做到的？