現今人工智慧進入大眾的視野大概是源於谷歌的阿爾法狗，因為它的出色表現——擊敗人類選手，為這個領域帶來了大量的資本和關注。這篇文章將對人工智慧的發展方向做乙個粗略的介紹
個人認為人工智慧發展方向要從動物的腦、神經開始研究。關於作為人工智慧基石的卷積神經網路，是科學家從貓的視神經上抽象模擬出來的模型。通過貓的視神經模型，外加卓越的演算法，人類突破了人臉識別，達到了超高的識別水平。然後現在想通過這乙個模型構建出完整的智慧型生物體，這是在瞧不起生命幾十億年演化的成果嗎？很多的研究人工智慧的人們不怎麼關注神經科學與腦科學，這是不怎麼聰明的。
關於人腦的視覺訊號的輸入大致生物模型，眼睛左右兩個半球，各自分割兩個部分，左邊部分訊號一起通往左腦，右邊部分訊號一起通往右腦，視覺交叉。
視覺處理分為4個大的層次，v1處理簡單視覺，v2處理圖形與客體輪廓，v3傳遞資訊，v4與顏色視覺相關，mt（v5）中顳區。由它們形成了兩種結構形式。
v1->v2->v3->mt：視覺訊號傳遞至頂葉區域（頂葉區域與動作，軀體感覺，空間識別有關），稱之為空間通路。
v1->v2->v3->下顳葉：內容通路，通過該通路識別是什麼。
識別複雜資訊的時候，空間、內容、情緒等區域一同作用。人類在生活之中，會將獲取的大量不同屬性的資訊連線起來，興許建立各種不同的模型，再將他們連線起來處理，能夠摸到智慧型生物的門檻。
附加一點，關於盲視當大腦視覺區域受損，受損區域逐漸擴大時，其不可見區域也逐漸擴大。當只有一小點受損時，視野內只有一小部分不可見。由此大致可以推斷出人眼處理視覺訊號是區域化，或是畫素點形式的處理。
關於聲音頻號的輸入處理，聲音通過耳膜，逐級放大，然後在通過耳蝸，低中高頻的聲訊號所能夠影響震動的纖毛細胞不同。越向裡，其音訊越低。順帶一提，電子耳蝸也是同樣工作原理，但較為神奇的一點是，人腦能夠處理來自電子耳蝸粗糙的且完全不同模式的聲音電訊號，連線對映到原本的同一聲音資訊。
相似的實驗有，實驗者穿上能夠在不同位置產生不同震動的衣服，每一種震動模式匹配乙個單詞。經過大概乙個月的學習，實驗者能夠由震動感來從感覺上判斷是什麼單詞，而不是通過記憶震動模式。這展示了人類能夠自主加強不常用的神經迴路，這與人類出生後兩年間的腦神經細胞活動有關。
關於人工智慧的思考
昨天看了程式設計師漫畫家的betacat漫畫，覺得挺有意思的，聯想到知乎上很火的一篇文章裡講到的隔壁老王公司的故事，主要就是說通過人工智慧的研發，人類在本世紀內有可能實現永生或滅絕。聽起來有點像在危言聳聽，尤其是加速回歸定律下，似乎又有那麼些道理。我們在2000年之後的20年裡所取得的發展遠遠的超過...
關於人工智慧的思考
雖然，目前我對讓機器理解人類語言，基本已經信心十足了。坐等我的工作結果把。剛才，又想到。讓機器能夠真正理解人類語言，和讓機器擁有自己的思維。他們之間的聯絡和區別在 在讓機器理解語言的模型裡，隨著新的語言行為的發生，和新的語言資訊的輸入，機器需要不斷重新確認模型中的 因變數，參變數等資訊 各個模型組成...
對人工智慧未來發展的思考
我們思考人工智慧向何而去，就要了解人工智慧從何而來。1956 人工智慧 ai 這一概念首次被提出，這標誌著人工智慧科學的誕生。到今天為止人工智慧發展了六十多年，在從2010年開始的近十年裡才進入蓬勃發展的階段。目前人工智慧總體發展水平仍處於起步階段，但是我們在生活中都能感受到人工智慧帶給我們的便利，...