如果你是一个计算机科学家,有人类思想发展成新一波的计算机类人脑功能,智能高级研究项目的研究人员活动想接到你的电话。
IARPA,激进的研究机构的国家情报总监办公室本周说,这是观察两组帮助开发新一代的计算机:计算机科学家设计或建筑计算系统的经验,依靠相同或相似的原则是那些受雇于大脑和神经科学家有可信的想法如何神经计算可以为下一代计算机提供实际的好处。
+更多网络世界:有个足球雷竞技app+
从IARPA请求信息:…“的原则计算底层当今最先进的数字系统大幅偏离原则在大脑中控制计算。特别是,而主流电脑依靠同步操作,精度高,和明确的物理概念之间的分离存储,数据,和逻辑;大脑依靠异步消息传递、低精度存储与处理、硝唑和动态内存结构变化对短期和长期时间尺度。”
集团爆发一系列问题在特定的话题,它希望计算机科学家特别提供的答案包括:
Spike-based表示:使用spike-based大脑运作规范,经常出现稀疏在时间和数量的神经元。在许多系统中,这些代码出现嘈杂的或不精确的,这表明合理的近似计算的脑功能的作用。
- 的当前状态是什么spike-based表征的使用,研究稀疏编码、数字或模拟计算和/或近似计算系统?
- 有现有的硬件系统,利用表示类似于峰值?如果是这样,应用领域和用例有这些部署,和他们的性能特征是什么?
异步计算:大脑不使用全局时钟信号同步更新所有计算元素。相反,独立神经元功能在默认情况下,只有短暂的协调他们的活动(例如,当参与一个连贯的细胞组装)。
- 的当前状态是什么研究使用异步计算和/或数字或模拟计算系统瞬态协调吗?
- 有现有的硬件系统,利用异步计算和/或瞬态协调?如果是这样,应用领域和用例有这些部署,和他们的性能特征是什么?
学习:使用大脑可塑性连续运行的机制和在多个时间尺度支持在线学习。值得注意的是,大脑继续稳定在持续的可塑性。
- 的当前状态是什么使用在线学习的研究在短期和长时间尺度为数字或模拟系统?
- 有现有的硬件系统,利用在线学习在短期和长时间尺度?如果是这样,应用领域和用例有这些部署,和他们的性能特征是什么?
Co-local记忆存储和计算:大脑不严格隔离内存和计算元素,在传统的冯诺依曼体系结构(约翰·冯·诺依曼发现灵感的设计电子离散变量自动计算机(EDVAC)当时知道大脑的设计——70年前,IARPA写)。相反,一个神经元的突触输入可以储存记忆的双重角色,支持计算。
- 的当前状态是什么研究co-local记忆存储和计算的使用数字或模拟计算系统吗?
- 有现有的硬件系统,利用co-local记忆存储和计算?如果是这样,应用领域和用例有这些部署,和他们的性能特征是什么?
有一个类似的神经科学家世界的问题。你可以在这里阅读它们。
当前RFI不是IARPA与人类大脑研究的第一支舞。去年,它宣布了一项五年计划机器智能的皮质网络(微米)参与者提供一个“独特的机会提出最有发展潜力的生物问题推进理论的神经计算和获得通过精心策划的实验和数据分析的答案。”
”的项目,参与者将使用他们改善的理解表示,转换,和学习规则受雇于大脑创造更多neurally-derived机器学习算法的能力。最终为微米计算目标包括能够执行复杂的信息处理任务,比如一次性学习,无监督聚类和场景解析。最终,当表演者把这些见解连续版本的机器学习算法,他们会想出解决方案,可以执行复杂的信息处理任务目标对类似人类的能力,”IARPA表示。
IARPA表示,“尽管重大进展在机器学习在过去的几年里,今天的先进的算法是脆弱和不推广。相比之下,大脑能够强劲分离和分类存在显著的噪声和信号非线性转换,从单一的例子,可以推断整个类的刺激。”
IARPA说,有效的知识转移的速率之间的神经科学和机器学习缓慢,因为不同的科学优先级、资金来源、知识存储库和词汇。结果,很少有关于神经计算的想法出现在过去的几十年里已经融入现代的机器学习算法。
看看这些其他热的故事: