腦建模先驅說：深度學習不可信 - IEEE

在過去的 20 年中，深度學習通過一系列有用的商業應用開始主導人工智慧研究和應用。

現在，在一本新書中，IEEE 研究員Stephen Grossberg認為需要一種完全不同的方法。Conscious Mind, Resonant Brain: How Each Brain Make a Mind描述了基於 Grossberg 幾十年來進行的認知和神經研究的生物和人工智慧的替代模型。他稱他的模型為自適應共振理論 (ART)。

Grossberg 是波士頓大學認知和神經系統、數學和統計學、心理和腦科學以及生物醫學工程領域的傑出教授，他將 ART 建立在他關於大腦如何處理資訊的理論的基礎上。

在充滿意外事件的不斷變化的世界中，我們的大腦學會識別和預測物體和事件，基於這種動態，ART 使用有監督和無監督的學習方法來解決模式識別和預測等問題。

ART 可以放心使用，因為它是可解釋的，並且不會經歷災難性的遺忘。他補充說，ART 解決了他所謂的穩定性-可塑性困境：大腦或其他學習系統如何能夠在不經歷災難性遺忘（穩定性）的情況下自主快速學習（可塑性）。

Grossberg 於 1976 年制定了 ART，是模擬大腦如何變得聰明的先驅。

由於 Grossberg 的“對理解大腦認知和行為的貢獻，以及他們的技術模擬”，他獲得了2017 年 IEEE Frank Rosenblatt 獎，該獎以被某些人認為是“深度學習之父”的康奈爾大學教授命名。

格羅斯伯格試圖在他近 800 頁的書中解釋“我們稱之為大腦的小塊肉”如何產生思想、感覺、希望、感覺和計劃。許多公司已經應用了本書在多個工程和技術應用中總結的那種受生物學啟發的演算法。

大腦有一套共同的機制可以控制人類如何在不忘記已經學過的情況下保留資訊。我們保留了過去經歷的穩定記憶，這些事件序列儲存在我們的工作記憶中，以幫助預測我們未來的行為，人類有能力在他們的一生中繼續學習，而不會因為新的學習而沖刷掉我們之前學到的重要資訊的記憶。

瞭解大腦如何產生思想對於設計電腦科學、工程和技術中的智慧系統也很重要，包括人工智慧和智慧機器人。

經典AI的問題在於其假設前提：假設人們可以通過用來描述日常生活中的物體和行為的概念和詞語來內省大腦的內部狀態（通過分析形式語言內射大腦狀態，語言是思想的表現形式），但這種方法往往不足以構建生物大腦如何真正運作的模型。

當今人工智慧的問題在於它試圖模仿大腦處理的結果，而不是探索產生結果的機制。

由於大腦中有專門的自我調節迴路：人們的行為可以“即時”適應新的情況和感覺。人們可以從新情況中學習，意外事件會融入他們對世界的收集知識和期望中。