Mitchell及其同事一直在研究脑部成像方法所揭示的大脑神经活动，以解读大脑在如何呈现知识。为了训练自己的计算机模型，他们为实验对象出示了60个名词，比如电话、房子、番茄和胳膊， 然后观察大脑在看到每个名词后出现的图像。随后，他们使用谷歌收录了一万亿个单词的文本数据库，确定了往往伴随60个基本单词出现的几个动词，比如伴随电话的铃响，然后根据两者都出现的频率，为这些单词赋予权重。
随之形成的模型就能准确预测之前从未见过相应图像的某个单词会引起大脑出现什么样的图像。简单地说，这种模型就会预测，名词“飞机”带来的大脑图像更像是名词“火车”带来的大脑图像，而不像名词“番茄”带来的大脑图像。
Mitchell说: “我们过去感兴趣的是大脑如何呈现想法，而这个试验有望揭示对人工智能来说很棘手的一个问题。怎样才能准确、普遍地呈现知识？也许还有其他经验可以汲取，大脑也很容易忘记知识。”
斯坦福大学计算机学助理教授Andrew Ng领导了多才多艺的Stair的研发工作。他表示，这个机器人证明了人工智能识方面许多之前彼此独立的领域现在足够成熟，可以融为一体，“实现人工智能的远大梦想”。
那么这个梦想到底是什么呢？Ng说: “早先的著名预言称，在比较短的时间内，计算机的智能化程度会与人类一样高。我们依旧希望，在将来的某个时间，计算机的智能化程度会与我们一样高。但这个问题不是十年后有望解决的，可能一百年过后才有望解决。”
链 接
人工智能在华尔街的应用
引起当前这场金融危机的反面人物当中就有华尔街的“数据分析员”，即为交易优化和风险分析开发人工智能模型的计算机科学家和数学家。但是密歇根大学的计算机学和工程学教授Michael Wellman表示，现在就下: “任何模型未能预防金融危机或者甚至导致了金融危机”这个定论，还为时过早。
专门研究人工智能在市场应用的Wellman说: “我认为，交易和风险分析的自动化是从一个方面来解决问题，而不是从一个方面来引起问题。比方说，一大问题是缺乏透明度——许多公司甚至不知道自己拥有的资产。要是投资合同更容易被机器读懂、更容易分析，公司就可以更全面地分析风险、更充分地了解自己所处的状况。”
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！