人工智能

panda7456

freya在哪里~

moorstill

SVM？你说的是什么SVM？如果是support vector machine的话，那很遗憾地说，我还真的没见过这东西能用在神经元模拟上的……
实际上硬件才是障碍，软件的话不需要很高级的。就举个例子，单带图灵机、多带图灵机和RAM模型，它们之间时间复杂度的差别就非常大……
回复 13# fwjmath

IBM曾用峰值速度360万亿次浮点计算的Blue Gene/L来模拟半个老鼠大脑皮层模拟而被进一步关注，半个老鼠大脑拥有800万神经元细胞，每一个细胞与其他神经纤维之间有8000个链接。鼠脑神经元与人脑基本一样，只是人脑神经元细胞达到1000亿，其中大部分几乎没有使用，人在一般清醒情况下至少使用10亿神经元。标准神经网络算法用一个加乘浮点运算模拟一个突触链接。SVM支持向量机可以看作神经网络的一种，其效率可以超过标准神经网络算法几千倍，我的算法现在就达到几百条浮点运算模拟一个脑细胞的程度，用装了几张显卡的台式机来模拟几十亿人脑细胞，达到人的基本智能水平。SVM本身还有很多种优化算法，自身再提高几千倍效率也有可能，但难点是“学习过程”，不同算法的学习资料和格式要求不同而且存储量很大，其实我现在硬盘花的钱远超过显卡。我现在的学习数据来自自己开发的爬虫搜索。希望有熟悉搜索引擎的同僚能与我共谋。

zj0511

SVM？你说的是什么SVM？如果是support vector machine的话，那很遗憾地说，我还真的没见过这东西能用在神经 ...
moorstill 发表于 2011-10-15 13:14

你的爬虫用什么语言写的？

fwjmath

回复 17# moorstill

你还是先解释一下你的SVM是怎么模拟的神经元吧……别光扯没用的……

我不是专门做人工智能的，不过SVM就是个classifier，用来模拟神经元的话，实际上说就是没什么特别的优点。你说几百条浮点指令模拟一个神经元，我觉得这不是理所当然的么，就按照最普通的那种编写方法，稍用点脑子，用显卡的话，这个程度不在话下……而且你还说还有可能提高上千倍，也就是说平均一条指令模拟一个神经元，这个从信息论的角度就已经很令人怀疑……

另外，谁告诉你人在清醒的时候有很多神经元用不上的……基本没有用不上的神经元……

对了，提到学习过程的话，你还没说你的神经网络算法是用什么模型的呢。是feed-forward, Hopfield, Boltzmann还是无限制？什么学习算法？不同的模型的学习算法和机能可是很不同的哦……

jpegreader

以前看人讨论过，有人认为生物计算机或化学计算机可以模拟人大脑思维的特性。

古明地觉

我不是关注这方面的人，但是我感觉人的思维确实太跳跃了。有些情况确实不好模拟

moorstill

人脑神经元90%是控制运动系统、身体机能的自主神经和感官处理的。一般的日常生活，比如开车、甚至街头闲聊时，管逻辑思维的神经元的确可能不到1%。人的动物性比社会性大多了，但真正创造价值的正是极少数的部分。我模拟人脑不会花大量能量来做无用功的部分。
人类的信息输入和学习基本都是视觉输入的，系统学习了大量概念后才形成语言和逻辑。由于条件所限，我现在跳过视觉学习阶段，直接在概念（现阶段就是数据库和关键词）的基础上学习。成果也是实验性的，希望将来能进一步模拟人的整个过程。
神经脉冲约100HZ而且不能长时间兴奋，折算成不到8位的低精度计算机。怎样等效换算成高精度高强度的浮点计算，可是算是我们的核心技术内容之一了。
我的神网模型比较像Boltzmann吧，神网的过程分为训练和应用，训练的运算量比应用大几百万倍很普遍，相对来说人脑的学习和运转的差别就没这么大。我的训练是SVM，即使效率提升百万倍都不够用，相当于开发工作。成品是固化了我训练成果的客户软件，必须一张显卡的运算量内实现。为了更多的像人脑，应用部分不敢太多精简，但训练部分的优化工作还远远不够。
显卡就是大脑初始化没有任何软件的婴儿，我现在的工作是让孩子学习成长上小学、中学、大学，希望销售的产品是年轻的大学毕业生而不是各种培训教材。

fwjmath

神经网络没那么神奇，它本身是一种universal approximation的方法，无论你喂什么数据，只要规模足够大，都能做出来好效果，不一定要模拟人脑什么的。我不知道你所谓的“产品”的数据有多复杂，但是一般来说这些不是很困难的事情。

fwjmath

顺带一提，SVM是一个classifier，最多只能说用SVM来准备输入数据，决不能说用SVM来训练的。不同的神经网络模型有不同的训练方法，效率也是相差甚远。

chinalianxin

控制火力~

moorstill

汝知皮毛窃不若虚杯盛水。还是留给有心人吧。

fwjmath

君若怀玉何不示诸人？

moorstill

1、类人智能可行并能在几年内实现，希望这一观点获得更多人认同和普及。
2、我专业做这一工作多年，很艰辛但小有成就。希望找到同僚和资源的支持。
3、模拟人脑很复杂，必然有所取舍和平衡。乐于听取能达到第一点目标的意见，但不喜欢空而论道批判我的取向。
4、实现方案很庞杂，想探讨技术方案的希望多了解一些背景知识再讨论。

nekoko

回复 28# moorstill

既然小有成就，乃为何不放一篇你的paper上来呢？

moorstill

好像目前为止，连第一点都没有支持的人。
懒得解释了，在论坛上这样辩白有点浪费口水。
继续等有前瞻的支持者，有意的私聊。