Почему ИИ отстает от человеческого мозга в вычислительной мощности

{"document":[{"text":[{"type":"string","attributes":{},"string":"Последние достижения сделали глубокие нейронные сети ведущей парадигмой искусственного интеллекта. Одна из замечательных особенностей глубоких нейронных сетей заключается в том, что на большом количестве примеров они могут научиться действовать. Это означает, что мы можем заставить программное обеспечение научиться делать то, чего не знают даже его программисты. Чем сложнее задача, тем мощнее должна быть нейронная сеть."},{"type":"string","attributes":{"blockBreak":true},"string":"\n"}],"attributes":[]},{"text":[{"type":"string","attributes":{},"string":"Хотя исследования нейронных сетей вдохновлены архитектурой мозга, они обычно не имеют ничего общего с реальными нейронами. Но в ходе недавнего анализа нейробиолог Еврейского университета в Иерусалиме Давид Бениагуев и его команда выяснили, насколько мощной должна быть глубокая нейронная сеть, чтобы воспроизвести поведение "},{"type":"string","attributes":{"italic":true},"string":"отдельного нейрона"},{"type":"string","attributes":{},"string":" . Удивительный результат: очень, очень мощный."},{"type":"string","attributes":{"blockBreak":true},"string":"\n"}],"attributes":[]},{"text":[{"type":"string","attributes":{"blockBreak":true},"string":"\n"}],"attributes":[]},{"text":[{"type":"string","attributes":{},"string":"С искусственными нейронными сетями вместо того, чтобы напрямую программировать правила мышления, программист вместо этого создает систему, которая может учиться на входных данных. Она называется нейронной сетью, потому что ее архитектура вдохновлена ​​​​нейронами в мозгу, хотя «единицы» в искусственной нейронной сети намного проще, чем биологические нейроны."},{"type":"string","attributes":{"blockBreak":true},"string":"\n"}],"attributes":[]},{"text":[{"type":"string","attributes":{},"string":"Искусственная нейронная сеть подвергается воздействию тысяч, а иногда и сотен тысяч примеров. Каждый раз, когда он сталкивается с новым примером, он тонко меняет связи между модулями, чтобы получить лучший результат. Вы можете научить нейронную сеть определять, изображено ли изображение ребенка или взрослого. Со временем программа научится делать это хорошо."},{"type":"string","attributes":{"blockBreak":true},"string":"\n"}],"attributes":[]},{"text":[{"type":"string","attributes":{},"string":"Однако , как известно , даже когда у нас есть работающая нейронная сеть, объяснение того, "},{"type":"string","attributes":{"italic":true},"string":"как"},{"type":"string","attributes":{},"string":" она делает то, что она делает, неизвестно и требует дальнейшего изучения и анализа: в итоге мы получаем числовые «веса» между тысячами единиц, которые трудно вычислить. посмотреть и вывести общие принципы. Традиционные («мелкие») нейронные сети имели всего три слоя (один входной, один скрытый и один выходной)."},{"type":"string","attributes":{"blockBreak":true},"string":"\n"}],"attributes":[]},{"text":[{"type":"string","attributes":{},"string":"\n"},{"type":"string","attributes":{"blockBreak":true},"string":"\n"}],"attributes":[]}],"selectedRange":[1945,1945]}