我们认为理所当然的事情是困难的计算机。
我的最近的博客文章神经形态的极限计算了一个乐观的观点:即使神经形态系统相对原油的生物大脑仍然可以找到商业上重要的应用。几天后我完成它,我提醒悲观主义者不是错了时,我的一个朋友分享这张图片。
图1:取得葫芦紫色的马丁嵌套的殖民地。照片由卡拉Rayno塞弗特。
你可能没有见过这样的事。但是基于鸟栖息在几个对象,和某种支撑架的可见部分,你可能会猜测(正确地),你看葫芦设计嵌套类型的鸟,生活在公共组织。同时,看到这张照片,很有可能你会认识到这些对象如果你再看到他们,甚至从不同的角度或在一个不同的上下文,如商店的架子上。
当我把这张照片给谷歌图片搜索,普遍认为是最好的一个通用的图像识别工具提供给公众,它采取了飞机的照片。这个答案有一定的意义。飞机在飞行中也是蓝色的天空映衬出圆的对象。它毫无意义。飞机不飞近近,不要挂在一个框架,太大相对于普通的鸟类。
这一形象,凸显出许多自动化之间的差异和人类的图像识别。作为一个人类,你结合线索从图像本身你的先前知识的鸟类(葫芦)得出结论,你就可以利用在未来。相比之下,谷歌图片搜索将这张照片与视觉相似的对象在其数据库,但是没有固有的理解“鸟”“鸟屋,”或“飞机”,更“鸟”和“鸟屋”相关的概念。也不可能“学习”的错误,除非人类读者这篇文章组装一系列培训的类似的图像。即便如此,它不一定能够认识自然巢或其他类型的嵌套盒作为其他类型的鸟类执行类似的功能。(这是一个连接,你可能自动)。
一个关键的神经形态计算概念的挑战。人类人类智力是天生的,但是是线性的,甚至难以描述算法计算术语的机器。
|
|
|
|
|
|
|
|
留下一个回复