12345678910
01-2601-2401-2401-2401-2401-2401-2401-2301-2301-23
京公网安备 86 京ICP证140355号 京网文【-109号
未成年人家长监护
注意：本游戏需安卓版与数据包一同下载才能进行游戏谷歌开发人脑模拟器：电脑自学成才识别猫咪（转）_斗姆吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：94贴子：
谷歌开发人脑模拟器：电脑自学成才识别猫咪（转）
票牛教你如何买到热门、便宜、真实的演出门票！
借助“谷歌大脑”，无需接受人类的任何培训和指令，就可以利用内在算法从中自动提取信息，学会如何识别猫咪新浪科技讯 北京时间6月26日下午消息，Google X部门通过1.6万片处理器构建了一个庞大的系统，用于模拟人类的大脑神经网络。借助“谷歌大脑”，无需接受人类的任何培训和指令，就可以利用内在算法从海量数据中自动提取信息，学会如何识别猫咪。
模拟人脑 和增强现实眼镜是Google X最著名的两个项目，但作为最神秘的部门，这里的研究远不止此——早在几年前，他们就成立了专门的团队，模拟人脑的运行方式。为了研究，谷歌的科学家将1.6万片电脑处理器连接起来，创造了全球最大的神经网络之一，让它们在互联网中“自学成才”。面对从视频中找到的1000万张数字照片，这个“谷歌大脑”会干什么？答案是：与数以百万普通YouTube用户相同——找。这个神经网络依靠自学认出了猫咪，这可不是无聊之举。本周，研究人员就将在的一次会议上展示他们的成果。谷歌的科学家和程序员指出，互联网上充斥着猫咪视频算不上什么新闻，但这种模拟的效果还是令他们大吃一惊。与之前的任何项目相比，该神经网络的效果都要好得多：面对2万种截然不同的物体，它的辨识能力几乎翻了一番。这项研究是新一代的代表，这类研究项目充分利用了计算资源的成本下滑，以及庞大数据中心的日益增多。该技术还大力推动了众多领域的进步，包括机器视觉与感知、、语言翻译等。
热门课题 尽管研究人员所使用的计算机科学理念并不新颖，但有了如此大规模的软件模拟，使得原本不可想象的学习系统成为了可能。谷歌研究人员并不孤独，全球还有很多科学家都在研究这种“深度学习”模式。去年，微软科学家就证明，利用同样的技术，也可以借助电脑系统很好地理解人类的语言。 “这是当今语言识别领域最热门的课题。”纽约大学库朗数学研究所计算机学家严恩·乐库（Yann LeCun）说，他专门从事机器学习的研究。当然，识别猫咪也具备同样的意义。为了做到这一点，由斯坦福大学计算机学家安德鲁·恩吉（Andrew Y. Ng）和谷歌院士杰夫·迪恩（Jeff Dean）领导的这支团队，使用了1.6万片处理器创造了一个拥有10亿多条连接的神经网络。他们随后为这个网络随机呈现出缩略图，每一张都是从1000万段YouTube视频中抽取出来了。由于这些视频都是随机选取的，所以这本身也反映出人们在互联网时代的喜好。然而，研究成果却很显著。研究人员创造的这个以软件为基础的神经网络，显然准确地印证了生物学家的理论——单个神经元通过在大脑内接受的训练，获得识别物体的能力。
自学成才 目前有很多投入商用的机器视觉技术，它们都可以根据人类的指令进行学习，从而识别出某些特性。但在谷歌的研究中，机器并未得到任何外在帮助，完全“自学成才”。 “我们的理念是：不需要借助大批研究人员找出事物之间的差异，只要为算法提供海量数据，让数据自己说话，让软件自动学习数据。”恩吉说。 “我们从没在培训过程中教它猫长什么摸样。”迪恩说，“从本质上讲，它发明了‘猫’这个概念。我们的数据中很可能还有一些猫的侧面照片。”迪恩帮助谷歌设计了这款软件，使之可以轻易将程序分解成许多任务，并实现同步计算。在看过数百万张图片后，这个“谷歌大脑”构建出一张理想的猫咪数码图片，利用不同层级的存储单元成功提炼出猫的基本特性。然而，科学家认为，他们似乎是在控制论层面，模拟了人类大脑视觉皮层的运作方式。神经学家认为，可能存在一种名为“祖母神经元”的东西。这是一种具有特定用途的脑细胞，一旦被反复“训练”去识别某一张人脸时，这种细胞便会被激活。 “你需要通过重复才能认出一位朋友。”Industrial Perception公司的神经学家加里·布拉德斯基（Gary Bradski）说。
应用前景 猫咪照片、人脸和身体各个部位同时在电脑模型的特定记忆区域出现，令科学家颇为振奋。尽管如此，恩吉教授表示，在拿这套软件系统与生物大脑进行对比时，他仍然很谨慎。 “做个不太严谨的对比，我们的数字参数就相当于突触。”恩吉说。但他指出，尽管科学家动用了庞大的计算能力，但与大脑中的连接数量相比，仍然相形见绌。研究人员写道：“值得注意的是，我们的网络与人类的视觉皮层相比仍然很渺小，后者的神经元和突触数量比该网络多100万倍。” 尽管规模远逊于生物大脑，但谷歌的研究仍然提供了全新的证据，表明海量数据有助于大幅改进现有的机器学习算法。 “斯坦福/谷歌的论文通过远超以往的数量级突破了神经网络研究的极限规模。”乔治亚理工学院高性能计算专家大卫·巴德尔（David Bader）说。他表示，高速增长的计算机技术将在相对较短的时间内缩小这一差距：“完全模拟人类的视觉皮层有望在2020年前实现。” 谷歌的科学家表示，该研究项目如今已经走出Google X，受到搜索以及相关服务部门的追捧，有望被用于改善图片搜索、语音识别、机器语言翻译质量。尽管取得了成功，但谷歌研究人员仍对他们是否已经掌握机器自学技术的要领保持谨慎。“如果我们只需要在现有算法的基础上继续增大规模，那就太好了。但我感觉，我们还没有找到正确的算法。”恩吉说。（思远）
贴吧热议榜
使用签名档&&
保存至快速回贴转过路角忽然发现，3岁的儿子已在路口等着自己回来。
在0℃的江苏无锡街头，环卫工用双手疏通下水道。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
　　类脑研究初创公司上海西井信息科技有限公司通过自主研发取得两项世界级类脑研究重大科研成果――全球首台100亿规模“神经元”人脑模拟器在沪诞生。
　　据悉，该人脑模拟器被命名为“Westwell Brain”（西井大脑）。该人脑模拟器是目前公开已知的模拟“神经元”数量最多的人脑模拟器，也是目前唯一由硬件设计完成的人脑模拟器。
人类模拟出了“大脑智慧之源”
　　在国际上，科学家公认“脑计划”的意义可与人类基因组计划相媲美。脑科学被发达国家视为科研领域“皇冠上的明珠”，并得以蓬勃发展，成为近20年来发展最快的学科之一。美国总统奥巴马曾在会见科学家时表示：“作为人类，我们能够确认数光年外的星系，我们能研究比原子还小的粒子，但我们仍无法揭示（大脑这一）两耳间三磅重物质的奥秘。”
　　要了解上海西井科技如何研制出100亿规模“神经元”人脑模拟器，就必须对神经元有所了解。
我们人类每天的生活，无时无刻不在和身边的一切发生互动，每一个行为都来自于大脑皮层的反应。平均来说，大脑皮层由1000亿左右个神经细胞组成，这些神经细胞被称为“神经元”。
每一个神经元具有树枝般的触突和其他神经元相互连接，相互生长从而组成神经网络。每一处相连而发生电脉冲的地方都是产生人类的思维、感知和逻辑的途径及过程。
　　神经元在接受到某种信息的“激励”后，它就会产生一个电脉冲，神经元在受到强激励的时候会产生大量的脉冲，以至于不断间隔产生大量脉冲，而当频繁的激励过程会被神经元细胞对信号的刺激适应，那么每次的放电间隔会越来越少，从而慢慢降低自己的功耗，在神经生理学上，神经细胞重复地从事一件事情，同时相互间反射，就会自动建立起一种长期稳定的联系。在人类思维产生，学习新生事物的过程中，大脑皮层中的神经元细胞也正在进行信息的交互，如同电闪雷鸣一样释放着电脉冲，大脑每一块扇形区域的“咆哮”，正对应于身体的不同器官，对于各种图像、听觉、逻辑、语言等做出反应。
　　此次，上海西井科技正是通过使用电路去直接模拟人类的“神经元”形态，建立起神经网络中“神经元”与“神经元”之间的连接，通过依靠这些“神经元”来处理信息，用脉冲spike来传递信息，创造连接了拥有100亿神经元的神经网格来模拟人类大脑的运行方式。
　　具体来说，西井科技使用了硬件平台模拟人类“神经元”。该硬件平台内含有80个“神经引擎”（neural engine），每个“神经引擎”含有512K个“神经核”（neural core），每个“神经核”（neural core）含有256个“神经元”。每个“神经引擎”含有128M神经元，每个“神经元”最多可以连接到13.5K个“神经元”。因此，每块FPGA就含有51.2亿个“神经元”，整个模拟器就拥有了超过100亿“神经元”。
“Westwell Brain”与Google“人脑模拟器”的区别
　　2012年，Google的科学家曾通过将1.6万片电脑处理器（cpu)连接起来，创造了一个拥有 10 亿多条神经元连接的神经网络。
　　从模拟“神经元”的数量级上看，“Westwell Brain”（西井大脑）模拟的“神经元”数量为Google“人脑模拟器”的10倍，是目前世界上在最小体积单位上实现最多神经元数量的人脑模拟器。
　　而两者最本质的区别在于，“Westwell Brain”已完全摆脱了冯&诺依曼计算机结构，使用的是电路模拟“神经元”的方法，而Google“人脑模拟器”却仍使用了1.6万片电脑处理器（cpu）连接。
　　据上海西井科技首席科学家汪润春博士介绍:冯&诺依曼理论主要核心为的数制采用二进制,即0和1 ；同时，计算机是按照程序，也就是所谓的“串联”。而真正的人脑神经元模式则为“并联”，这就是为什么，人类可以同步将诸如视觉图像信息神经元、逻辑思维判断神经元与人类“自我学习”的能力等自然结合完成相关“任务”，比如：当一个人面前同时出现了一本杂志与一份报纸，普通正常人会在一瞬间立即完成对杂志与报纸的这两者属性的基本判断，这就是由于我们大脑内视觉图像信息神经元、逻辑思维判断神经元与人类“自我学习”的能力一瞬间“并行”作用的结果。而这与冯&诺依曼理论的“串联”有完全的不同。再举个例子：斯坦福计算机视觉实验室的李飞飞教授在2015年的TED演讲中播放了几幅猫的照片，有正常角度拍摄的，也有猫咪躲在沙发后只露出头的照片，李教授表示这些所有猫的照片都能被3岁的孩子辨认出，但计算机技术目前还在努力争取完全“识别”。这也是一个很好诠释“并联”与“串联”、人脑与计算机差异的例子。
　　那么“Westwell Brain”能模拟出类似人脑的“并联”结构的理论依据是什么？
　　汪润春博士给出了答案。汪博士说西井科技的理论基础是神经形态工程学（Neural Engineering）。这是一个新兴的交叉学科领域，它将工程技术方法与神经科学研究融合在一起，从分子、细胞、神经网络直至认知和行为学的层面来研究神经系统的构成及其工作机制。该学科的奠基人之一便是在上世纪80年代末提出类脑研究的美国科学家Carver Mead。Carver Mead曾提出：运用包含虚拟电路的超大规模集成电路系统来模仿在人类神经系统中存在的神经生物构造，跳脱出原有的计算机模式，开发出能够利用简单、可靠、快速且低能耗运算设备的随机行为的新技术，破译大脑活动信息，理解人的思维，由此实现全新意义上的人――机交互。
“Westwell Brain”的真正价值
　　“Westwell Brain”作为全球首台100亿“神经元”人脑模拟器，对未来人类了解脑、保护脑、创造“脑”将具有积极广泛和深远的意义。
　　上海西井科技CEO谭黎敏告诉记者：“Westwell Brain”支持目前世界神经形态研究领域最常用的软件“PyNN interface”，该软件被神经形态领域科学家普遍使用开展神经形态相关研究。同时，“Westwell Brain”也是目前世界上唯一可以商用化的人脑模拟器。
　　目前，世界脑科学研究领域的三大方向为：（1）阐明脑功能：也就是研究产生感知、情感和意识的脑区结构和功能（功能定位、认知、运动、情感、学习，思维、直觉、自我意识），研究脑通讯功能（语言信息在中表达的机制，人类获得语言能力的过程、语言、思想和智力之间的关系）；（2）征服脑疾患：研究控制脑发育和衰老过程（识别与发育及脑分化相关的、发展调节脑发育和分化的技术手段，促进人类大脑健康发育和防止发育异常，控制人脑衰老），研究控制脑发育和衰老过程（识别与发育及脑分化相关的、发展调节脑发育和分化的技术手段，促进人类大脑健康发育和防止发育异常，控制人脑衰老）；（3）开发出类脑芯片和类脑超级计算机：发展脑型器件和结构（具有学习和记忆能力的神经元芯片、智力认知功能，具有智力、情感和意识的脑型计算机），设计和开发脑型信息产生和处理系统（支持人类机能的机器人系统）。
　　而“Westwell Brain”就像一个工具一样，未来可以支持其他科学家去了解脑、保护脑、创造“脑”。比如:“Westwell Brain”可以通过接受医学上大脑神经元脉冲放电数据，通过直观方式呈现人脑的脉冲形态，以帮助人类更清晰更直观的研究人脑的一些诸如帕金森氏综合症、阿兹海默症等症状，同时采集药理或治疗方案数据，反馈回大脑仿真模拟器，来检验药物及治疗的作用区域及效果。还可以为未来治愈由脑部神经元造成的疾病以及神经性受损创伤后的术后康复等提供新的、更科学的治疗方法。
欢迎举报抄袭、转载、暴力色情及含有欺诈和虚假信息的不良文章。
请先登录再操作
请先登录再操作
微信扫一扫分享至朋友圈
搜狐公众平台官方账号
生活时尚&搭配博主 /生活时尚自媒体 /时尚类书籍作者
搜狐网教育频道官方账号
全球最大华文占星网站-专业研究星座命理及测算服务机构
当你看到这段文字的时候，你一定正在使用一台冯.诺依曼架构处...
主演：黄晓明/陈乔恩/乔任梁/谢君豪/吕佳容/戚迹
主演：陈晓/陈妍希/张馨予/杨明娜/毛晓彤/孙耀琦
主演：陈键锋/李依晓/张迪/郑亦桐/张明明/何彦霓
主演：尚格?云顿/乔?弗拉尼甘/Bianca Bree
主演：艾斯?库珀/ 查宁?塔图姆/ 乔纳?希尔
baby14岁写真曝光
李冰冰向成龙撒娇争宠
李湘遭闺蜜曝光旧爱
美女模特教老板走秀
曝搬砖男神奇葩择偶观
柳岩被迫成赚钱工具
大屁小P虐心恋
匆匆那年大结局
乔杉遭粉丝骚扰
男闺蜜的尴尬初夜
客服热线：86-10-
客服邮箱：百度拇指医生
&&&普通咨询
您的网络环境存在异常，
请输入验证码
验证码输入错误，请重新输入