2024基于類(lèi)腦計(jì)算人工智能安全

目錄 1 41.1 41.1.1 41. 42. 53. 54. 61.1.2 61. 62. 71.1.3 71. 72. 83. 94. 105. 101.2 111.2.1 111. 112. 123. 141.2.2 151. 152.未來(lái)學(xué)家馬丁· 173. 174.美國(guó)麻省理工學(xué)院教授邁克斯· 171.2.3 181. 182. 193. 194. 201.2.4 211. 212. 213. 221.3 221.3.1 221. 232. 233. 241.3.2 251. 252. 263. 274. 285. 286. 291.3.3 291. 291.4 31到19改革的歐洲及美國(guó)、日本等相繼完成第二次工業(yè)革命，標(biāo)志著人類(lèi)進(jìn)入了電器時(shí)代2。電氣化的發(fā)展使人工智能成為人類(lèi)尋求技術(shù)突破和生產(chǎn)力解放的新方向。1956省理工學(xué)院的約翰麥卡錫教授在達(dá)特矛斯會(huì)議上首次提出了人工智能的定義：人工智能就是要讓機(jī)器的行為看起來(lái)與人所表現(xiàn)出的智能行為一樣3。安德烈亞斯卡普蘭和邁克爾海恩萊因?qū)⑷斯ぶ悄芏x為，系統(tǒng)正確解釋外部數(shù)據(jù)，從這些數(shù)據(jù)中學(xué)習(xí)，并靈活利用從這些數(shù)據(jù)中學(xué)到的知識(shí)實(shí)現(xiàn)特定目標(biāo)和任務(wù)的能力4。翰羅杰斯塞爾教授針對(duì)計(jì)算機(jī)等信息處理機(jī)器而提出的，他認(rèn)為計(jì)算機(jī)不僅是用來(lái)研究人的思維的一種工具；相反，只要運(yùn)行適當(dāng)?shù)某绦?，?jì)算機(jī)本身就是有思維的5。此生準(zhǔn)則，總之，真正的強(qiáng)人工智能是擁有靈魂的類(lèi)生物，而不是簡(jiǎn)單的機(jī)器和算法的堆疊。展[24]的努力，當(dāng)前面臨的是基礎(chǔ)問(wèn)題，在本質(zhì)上尚屬數(shù)學(xué)研究挑戰(zhàn)[27]作為發(fā)展方向，出于對(duì)強(qiáng)人工智能的擔(dān)憂而不建議主動(dòng)開(kāi)展研究28。北京大學(xué)的黃鐵軍極科學(xué)問(wèn)題有待破解29。初創(chuàng)的獨(dú)角獸企業(yè)，都在鼓勵(lì)其研發(fā)團(tuán)隊(duì)為實(shí)現(xiàn)強(qiáng)人工智能做出努力。谷歌和pnd團(tuán)隊(duì)都在采取具體措施來(lái)嘗試實(shí)現(xiàn)強(qiáng)人工智能，如訓(xùn)練更大的通用神經(jīng)網(wǎng)絡(luò)等30。另目標(biāo)是制造類(lèi)腦計(jì)算機(jī)并產(chǎn)生類(lèi)腦智能32?？茖W(xué)家認(rèn)為，如果忠實(shí)地在結(jié)構(gòu)層次上仿照人腦結(jié)構(gòu)，采用微納器件來(lái)仿真人類(lèi)大腦的神經(jīng)系統(tǒng)，制作所謂的類(lèi)腦計(jì)算機(jī)，那么，力，強(qiáng)人工智能的自主意識(shí)也會(huì)隨之誕生。與主張先研究明白意識(shí)和智能之后再去復(fù)刻靈魂的思路不同，這樣的思路以一種更直接的方式探索實(shí)現(xiàn)強(qiáng)人工智能的可能[32]不同于傳統(tǒng)的馮諾依曼體系計(jì)算機(jī)，類(lèi)腦計(jì)算機(jī)將利用微納光電器件等設(shè)備來(lái)模擬生物到現(xiàn)在，已有大約30年的發(fā)展歷程34。北京大學(xué)的黃鐵軍教授等人對(duì)類(lèi)腦計(jì)算的發(fā)展歷史進(jìn)行了梳理46：1989年，加州理工大學(xué)的卡弗米德提出了類(lèi)腦工程的概念，并撰寫(xiě)了《模擬與神經(jīng)系統(tǒng)》36一書(shū)，書(shū)中提出采用亞閾值模擬電路來(lái)仿真脈沖神經(jīng)網(wǎng)絡(luò)，其應(yīng)用是仿真視網(wǎng)膜。2004不同于馮諾依曼架構(gòu)的替代技術(shù)。類(lèi)腦計(jì)算這門(mén)小眾研究逐漸走入大眾視野。2004年，斯坦福大學(xué)的夸貝納博亨教授研制出了基于模擬電路的類(lèi)腦。2005年，歐盟啟動(dòng)了由海德堡大學(xué)牽頭的項(xiàng)目，重點(diǎn)研制基于模擬混合信號(hào)的神經(jīng)形態(tài)芯片。2005年，美國(guó)國(guó)防部高級(jí)研究計(jì)劃局（）啟動(dòng)了y項(xiàng)目，該項(xiàng)目支持與多家合作單位聯(lián)合研發(fā)類(lèi)腦芯片。瑞士洛桑聯(lián)邦理工學(xué)院的亨利馬克拉姆同年與合作啟動(dòng)了著名的藍(lán)腦計(jì)劃（ueno），并在Muen超級(jí)計(jì)算機(jī)上開(kāi)展盡可能逼近生物真實(shí)的大規(guī)模仿生神經(jīng)網(wǎng)絡(luò)模擬。2008的憶阻器（o）原型，并展示了首個(gè)憶阻器與硅材料的混合電路，這項(xiàng)研究使得人造突觸熱潮在全球興起。2011年，作為項(xiàng)目的延續(xù)項(xiàng)目，歐盟啟動(dòng)了n項(xiàng)目，研發(fā)大規(guī)模并行類(lèi)腦計(jì)算機(jī)。2012年，藍(lán)腦計(jì)劃所模擬的最大神經(jīng)網(wǎng)絡(luò)包括了多達(dá)100萬(wàn)個(gè)神經(jīng)元與10億個(gè)突觸，其規(guī)模相當(dāng)于蜜蜂的大腦，仿真速度僅為實(shí)時(shí)速度的1300。2013年，歐盟又啟動(dòng)了由亨利馬克拉姆牽頭的人腦計(jì)劃（），開(kāi)展與神經(jīng)機(jī)器人平臺(tái)六個(gè)平臺(tái)在內(nèi)的研究。2013年，美國(guó)啟動(dòng)了計(jì)劃，推動(dòng)對(duì)于生物大腦的深入理解。2014年，的y項(xiàng)目推出了uoh芯片，該芯片包含了多達(dá)54億個(gè)半導(dǎo)體，但功耗只有70毫瓦，約為與之半導(dǎo)體數(shù)量相當(dāng)?shù)膫鹘y(tǒng)的功耗的15000。該項(xiàng)目實(shí)現(xiàn)了一個(gè)用于視覺(jué)對(duì)象檢測(cè)的應(yīng)用系統(tǒng)，包含300萬(wàn)個(gè)神經(jīng)元，功耗只有200毫瓦。2015年，德國(guó)海德堡大學(xué)在一個(gè)8英寸硅片上集成了20萬(wàn)個(gè)神經(jīng)元和5000個(gè)突觸，并成功運(yùn)行了采用這種神經(jīng)形態(tài)處理器的類(lèi)腦計(jì)算機(jī)。2016年，歐盟人類(lèi)大腦計(jì)劃宣布把建成的n系統(tǒng)和pk系統(tǒng)通過(guò)互聯(lián)網(wǎng)對(duì)外開(kāi)放使用，以支持神經(jīng)微回路模擬及在機(jī)器學(xué)習(xí)和認(rèn)知計(jì)算中應(yīng)用類(lèi)腦原理的相關(guān)研究。2016年8月，蘇黎世研究院制造出特征尺寸達(dá)到納米級(jí)別的脈沖神經(jīng)元，未來(lái)可以小到14n。該神經(jīng)元的每個(gè)單元能穩(wěn)定存儲(chǔ)3比特?cái)?shù)據(jù)，還能執(zhí)行數(shù)據(jù)關(guān)聯(lián)檢測(cè)等多種計(jì)算，并且能像生物神經(jīng)元一樣具有隨機(jī)性。2016年9月，日本東海大學(xué)繪制出了首個(gè)果蠅全腦神經(jīng)網(wǎng)絡(luò)三維圖譜，其中共包含10年內(nèi)實(shí)現(xiàn)高等動(dòng)物的全腦解析[46]主導(dǎo)的y項(xiàng)目在超級(jí)計(jì)算機(jī)上進(jìn)行了大腦皮層仿真，在此基礎(chǔ)上，為了突破規(guī)模瓶頸，開(kāi)發(fā)了神經(jīng)形態(tài)芯片——uoh芯片37，2014年，Sn將之列為年度十大科學(xué)進(jìn)展。2016年4月，美國(guó)勞倫斯利弗莫爾國(guó)家實(shí)驗(yàn)室和公布了一款智能超級(jí)計(jì)算機(jī)，實(shí)驗(yàn)室數(shù)據(jù)科學(xué)副主任吉姆布雷斯表示：仿神經(jīng)運(yùn)算為我們創(chuàng)造了令人激動(dòng)的新機(jī)會(huì)，這正是我們國(guó)家安全任務(wù)的核心——經(jīng)計(jì)算機(jī)的潛在能力，以及它可以實(shí)現(xiàn)的機(jī)器智能，將改變我們研究科學(xué)的方式?！北本┐髮W(xué)在北京市腦認(rèn)知與類(lèi)腦計(jì)算項(xiàng)目的支持下，圍繞視覺(jué)系統(tǒng)解析仿真開(kāi)展研究，研制出類(lèi)腦機(jī)的眼睛。2015—2016年，北京大學(xué)對(duì)靈長(zhǎng)類(lèi)視網(wǎng)膜進(jìn)行了高精度解析仿真，實(shí)現(xiàn)了視網(wǎng)膜中央凹神經(jīng)細(xì)胞和神經(jīng)環(huán)路精細(xì)建模，提出了模擬視網(wǎng)膜機(jī)理的仿生視頻脈沖編碼模型。2017年到2018年年初，北京大學(xué)成功研制了脈沖陣列式超速全時(shí)仿視網(wǎng)膜芯片。生物視覺(jué)信息處理機(jī)制雖然優(yōu)越，但受生理限制，主頻很低，仿視網(wǎng)膜芯片脈沖發(fā)放頻率達(dá)40000，超速人眼千倍，能夠看清高速旋轉(zhuǎn)葉片上的文字。全時(shí)是指能夠從芯片采集的神經(jīng)脈沖序列中重構(gòu)出任意時(shí)刻的畫(huà)面，這是真正的機(jī)器視覺(jué)的基礎(chǔ)，有望重塑包括表示、編碼、檢測(cè)、跟蹤、識(shí)別在內(nèi)的整個(gè)視覺(jué)信息處理體系。神經(jīng)網(wǎng)絡(luò)算法，與IBMTrueNorth芯片相比，在芯片密度、速度和帶寬方面都有大幅度提浙江大學(xué)及杭州電子科技大學(xué)聯(lián)合研究團(tuán)隊(duì)面向低功耗嵌入式應(yīng)用領(lǐng)域，于2015一款基于數(shù)字邏輯的脈沖神經(jīng)網(wǎng)絡(luò)芯片達(dá)爾文，支持基于神經(jīng)元模型的脈沖神經(jīng)網(wǎng)絡(luò)建模。但當(dāng)時(shí)并未出現(xiàn)指導(dǎo)飛機(jī)設(shè)計(jì)的空氣動(dòng)力學(xué)。1903年，萊特兄弟發(fā)明了飛機(jī)；1908北京大學(xué)的黃鐵軍教授在《類(lèi)腦計(jì)算機(jī)的現(xiàn)在與未來(lái)》32一文中認(rèn)為類(lèi)腦計(jì)算應(yīng)采取仿真主義，即通過(guò)結(jié)構(gòu)層次模仿腦（非馮諾依曼體系結(jié)構(gòu)）、器件層次逼近腦（模擬神經(jīng)元和神經(jīng)突觸的神經(jīng)形態(tài)器件）、智能層次超越腦（程）的途徑來(lái)實(shí)現(xiàn)基于類(lèi)腦計(jì)算的強(qiáng)人工智能。1000瓦（人腦功耗為20瓦）著[41]中詳細(xì)定義和論證了這個(gè)階段，并將其稱為“生命1.0”為生命1.0的代表性生物，面對(duì)抗生素的刺激和干擾，可以隨著遺傳和變異，逐漸產(chǎn)生對(duì)應(yīng)的抵抗措施。人類(lèi)作為生命2.0的代表性生物，則可以通過(guò)改變個(gè)體的行為來(lái)適應(yīng)在個(gè)體身上體現(xiàn)出的靈活性給種群層面的繁衍和發(fā)展帶來(lái)了更大的優(yōu)勢(shì)，這也是生命2.0優(yōu)越性的顯著表現(xiàn)。特別地，盡管原始人到現(xiàn)代人，人類(lèi)的基因在幾萬(wàn)年的時(shí)間里鮮是極大地促進(jìn)了信息的積累和傳播41。在生命2.0階段，人類(lèi)可以控制自己的軟件設(shè)計(jì)，但是在硬件上，人類(lèi)仍然無(wú)法做到突體的限制，僅憑自身的能力飛向天空乃至飛向宇宙。由此，生命3.0被定義為生命是自身的主人，能夠獨(dú)立地設(shè)計(jì)自己的軟件和硬件，完全脫離了進(jìn)化的束縛41?；谝陨嫌懻?，生命的發(fā)展被分成了三個(gè)階段。在生命1.0階段，生命處于生物階段，必須依靠自身的進(jìn)化和對(duì)環(huán)境的適應(yīng)，來(lái)獲取合適的軟件和硬件；在生命2.0階段，生自己的軟件，從而讓個(gè)體更好、更快地適應(yīng)環(huán)境；在生命3.0階段，生命處于科技階毫無(wú)疑問(wèn)，人工智能的發(fā)展將會(huì)帶來(lái)大幅度的生產(chǎn)力提升。普華永道估計(jì)，到2030工智能的應(yīng)用部署將為全球增加15.7萬(wàn)億美元的，其中，中國(guó)將占據(jù)其中的7萬(wàn)億美歷四個(gè)階段：互聯(lián)網(wǎng)智能化、商業(yè)智能化、實(shí)體世界智能化及自主智能化43。以小愛(ài)同學(xué)智能音箱為例，它可以采集周?chē)h(huán)境中的聲音，將其數(shù)字化并進(jìn)行分析，實(shí)現(xiàn)人機(jī)交互；城市大腦路網(wǎng)監(jiān)控項(xiàng)目通過(guò)攝像機(jī)采集路網(wǎng)實(shí)時(shí)視頻，對(duì)其進(jìn)行識(shí)別和分安全43。實(shí)體世界智能化的浪潮將改變我們的日常生活環(huán)境，模糊數(shù)字世界與現(xiàn)實(shí)世界的界限，直到界限完全消失。這個(gè)轉(zhuǎn)變依賴強(qiáng)大的硬件制造能力。李開(kāi)復(fù)在《未來(lái)》中提到，自主人工智能是前三波人工智能浪潮的集大成者和巔峰。知，必須由人來(lái)控制。機(jī)械化設(shè)備可以處理簡(jiǎn)單且高度重復(fù)的工作，卻無(wú)法應(yīng)對(duì)奇異算采取非馮諾依曼體系結(jié)構(gòu)，按照層次結(jié)構(gòu)來(lái)模仿人類(lèi)大腦，在器件層次使用模擬神經(jīng)元和神經(jīng)突觸的神經(jīng)形態(tài)器件來(lái)逼近人類(lèi)大腦，在智能層次依靠自主學(xué)習(xí)和訓(xùn)練（工編程）來(lái)超越人類(lèi)大腦，最終逐步實(shí)現(xiàn)基于類(lèi)腦計(jì)算的強(qiáng)人工智能46?！秶?guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（2006—2020年）》65對(duì)腦科學(xué)與認(rèn)知科學(xué)研究做了戰(zhàn)略規(guī)劃：腦功能的細(xì)胞和分子機(jī)理，腦重大疾病的發(fā)生發(fā)展機(jī)理，腦發(fā)育、可塑達(dá)與腦式信息處理系統(tǒng)，人腦與計(jì)算機(jī)對(duì)話等。目前，在基礎(chǔ)研究和工業(yè)應(yīng)用兩個(gè)方《人工智能何時(shí)超越人類(lèi)表現(xiàn)》[50]高效的生產(chǎn)力和生產(chǎn)方式改變現(xiàn)代生活48。為了適應(yīng)公共政策，我們需要更好地預(yù)見(jiàn)人價(jià)值49?！度斯ぶ悄芎螘r(shí)超越人類(lèi)表現(xiàn)》50報(bào)告中預(yù)測(cè)了具有50可能性的人工智能實(shí)現(xiàn)人類(lèi)技能的時(shí)間點(diǎn)，如圖4149所示。在圖41中，描繪的區(qū)間是具有25～75可能性的時(shí)間范圍，黑色的圓點(diǎn)是具有50可能性的時(shí)間點(diǎn)（年份），價(jià)或超越人類(lèi)專(zhuān)家的技能表現(xiàn)。圖4-1未來(lái)學(xué)家馬丁·為干預(yù)下學(xué)習(xí)新的技能。未來(lái)學(xué)家馬丁·福特在2018年采訪了當(dāng)時(shí)最杰出的多名人工智能研究者，并要求受訪者對(duì)強(qiáng)人工智能進(jìn)行預(yù)測(cè)，判斷在哪一年能夠研發(fā)出具有50%人類(lèi)實(shí)力的通用人工智能51。鮮有完整的規(guī)則和標(biāo)準(zhǔn)。馬丁·福特在書(shū)中提到，這種基礎(chǔ)層面的未知，可能是大部分受訪者選擇匿名的原因，他們可能擔(dān)心引發(fā)不必要的關(guān)注。美國(guó)麻省理工學(xué)院教授邁克斯·邁克斯·泰格馬克表示，他從不懷疑未來(lái)會(huì)出現(xiàn)強(qiáng)人工智能和超級(jí)機(jī)器”。從宏觀角度來(lái)機(jī)器同樣可以完成相關(guān)的工作，并具有比人腦更高效的處理功能。因此，邁克斯·泰格馬克認(rèn)為強(qiáng)人工智能必然實(shí)現(xiàn)。然而邁克斯·將實(shí)現(xiàn)，長(zhǎng)期目標(biāo)取決于物理法則。盡管邁克斯·泰格馬克沒(méi)有給出明確的時(shí)間點(diǎn)，但并不表示他認(rèn)為時(shí)間不重要。根據(jù)邁克斯·泰格馬克團(tuán)隊(duì)的調(diào)研，強(qiáng)人工智能實(shí)現(xiàn)時(shí)間點(diǎn)的平均數(shù)為2055年53。邁克斯·泰格馬克借助機(jī)器人專(zhuān)家漢斯提出的人類(lèi)能力地形圖”，做出了強(qiáng)人工智能對(duì)于人類(lèi)失業(yè)風(fēng)險(xiǎn)的“能力地形圖，如圖4241所示。圖中的不同地形代表人類(lèi)能力的等級(jí)。邏輯和創(chuàng)造力的需求度越高。由此可以看出，處于低地的技術(shù)，如“益智問(wèn)答圍棋”等，機(jī)與人類(lèi)相比還無(wú)法“望其項(xiàng)背，但是假以時(shí)日，人類(lèi)終將被強(qiáng)人工智能超越59。圖4-2人類(lèi)失業(yè)風(fēng)險(xiǎn)的“能力”地形圖可解釋性的定義：InterpretationistheprocessofgivingexplanationstoHuman，也就是說(shuō)，“知其然并知其所以然”[58]“人類(lèi)能力地形圖由機(jī)器人專(zhuān)家漢斯·莫拉維克提出。在地形圖中，海拔高度表示相應(yīng)任務(wù)的難度（對(duì)計(jì)算機(jī)而言），“海平面表示當(dāng)前計(jì)算機(jī)的能力。隨著海平面”的不斷上升，計(jì)算機(jī)的能力不斷提高，直到某一天到達(dá)了一個(gè)“臨界點(diǎn)，由量變引發(fā)質(zhì)變。在這個(gè)“臨界點(diǎn)，計(jì)算機(jī)將具備自主設(shè)計(jì)智能的能力，從而具有主觀能動(dòng)性。在臨界點(diǎn)”之后，“海平面的上升動(dòng)力將由以人類(lèi)為主轉(zhuǎn)換為以機(jī)器為主，并且具有令人震驚的速度。俄羅斯的一臺(tái)自主學(xué)習(xí)機(jī)器人PromobotIR777在經(jīng)過(guò)訓(xùn)練后逃離了實(shí)驗(yàn)室；掃地機(jī)器人IRobotRoomba760在接通了自己的電源后爬上廚房的電烤盤(pán)“自殺”。諸如此類(lèi)的事件還有描述和定義，其內(nèi)部邏輯不可控且無(wú)法預(yù)測(cè)。這種系統(tǒng)被稱為“黑箱系統(tǒng)。面對(duì)黑箱系統(tǒng)”，人類(lèi)無(wú)法對(duì)其安全做出保障，對(duì)其的研究也極為困難61。由此可見(jiàn)，如果需要在強(qiáng)人工智能的“黑箱中加入友好定律，則首先需要對(duì)這個(gè)黑箱”具有足夠的了解和充足的認(rèn)遺傳和迭代進(jìn)行自我更新，貼近人類(lèi)社會(huì)61。立了相關(guān)機(jī)構(gòu)。為了統(tǒng)籌應(yīng)對(duì)安全方面的機(jī)遇和挑戰(zhàn)68，美國(guó)在2018年5月10日成立了人工智能?chē)?guó)家安全委員會(huì)69，謀求人工智能安全領(lǐng)域的話語(yǔ)權(quán)。為了爭(zhēng)奪人工智能安全領(lǐng)域的話語(yǔ)權(quán)及法律規(guī)則的制定權(quán)，歐洲設(shè)立了人工智能高級(jí)別專(zhuān)家組70，希望將西方價(jià)值觀引入人工智能的倫理道德體系。為例，民間的pnI團(tuán)隊(duì)早在2016年就發(fā)表了一篇題為《人工智能安全中的具體問(wèn)題》的文章71，幾乎涵蓋了人工智能發(fā)展需要面對(duì)的各種安全問(wèn)題。在人工智能長(zhǎng)期發(fā)展方面，美國(guó)政府（尤其是軍方）也投入了很多力量，有三個(gè)部門(mén)處于研究領(lǐng)先地位：側(cè)重對(duì)人工智能的安全性和魯棒性的研究，使人工智能在網(wǎng)絡(luò)和系統(tǒng)安全防御方面的能力得到進(jìn)一步提升；側(cè)重對(duì)人工智能在異常檢測(cè)方面的研究，保護(hù)隱私數(shù)人機(jī)交互和自適應(yīng)態(tài)勢(shì)感知等72。在這方面，我國(guó)與發(fā)達(dá)國(guó)家還存在一定的差距。當(dāng)前題，鮮有對(duì)強(qiáng)人工智能安全性問(wèn)題的創(chuàng)新性研究。人才儲(chǔ)備方面，據(jù)《中國(guó)人工智能發(fā)展報(bào)告2018》73的統(tǒng)計(jì)，美國(guó)在人工智能領(lǐng)域的杰出人才多達(dá)5158人，占世界總量的25.5%，遠(yuǎn)高于排名第二的英國(guó)，是其4.4智能高端人才數(shù)量為977人，不到美國(guó)的20%，其中，杰出人才的占比僅為5.4，而美國(guó)則為17.1%73。更值得注意的是，我國(guó)的人工智能高端人才有40%是從美國(guó)的高校和科研機(jī)構(gòu)中引進(jìn)的74。我國(guó)在頂尖人才的儲(chǔ)備和培養(yǎng)上與其他人工智能強(qiáng)國(guó)存在較大差距，這是我國(guó)在發(fā)展強(qiáng)人工智能及相應(yīng)的安全技術(shù)的道路上需要面對(duì)的問(wèn)題。力）任務(wù)可能比低難度的任務(wù)更危險(xiǎn)?！盎救斯ぶ悄茯?qū)動(dòng)75進(jìn)一步加劇了高通用性系統(tǒng)的能，并搶先獲得相關(guān)資源。在這種觀點(diǎn)看來(lái)，看似溫和的目標(biāo)也可能帶來(lái)重大風(fēng)險(xiǎn)。然這些因素彼此嚴(yán)重脫鉤，但它們并非毫無(wú)關(guān)聯(lián)。圖43直觀地顯示了這些因素之間的相互關(guān)系。圖4-3（nng）85的角度入手，探索強(qiáng)人工智能的實(shí)現(xiàn)方式。元學(xué)習(xí)作為目前看來(lái)最接近強(qiáng)人工智能的方案，目標(biāo)在于解決“學(xué)習(xí)如何學(xué)習(xí)（nngo）的問(wèn)題。從不同的工具進(jìn)行分析，可以在多個(gè)方面論證強(qiáng)人工智能理論的安全性。數(shù)據(jù)集的安全問(wèn)題，《美國(guó)國(guó)家人工智能白皮書(shū)》中提出了一個(gè)名為o的項(xiàng)目，專(zhuān)門(mén)通過(guò)人工智能或其他方法，尋找并排除錯(cuò)誤的或“被精心設(shè)計(jì)的污染數(shù)據(jù)。三是保證訓(xùn)練具有較好的泛化能力。從部署角度保證強(qiáng)人工智能的安全性，則主要從可信計(jì)算86的角不會(huì)做出違背價(jià)值觀的行為。人工神經(jīng)網(wǎng)絡(luò)方法的出現(xiàn)，受到神經(jīng)科學(xué)領(lǐng)域的啟發(fā)[84]英偉達(dá)公司的通用。隨著技術(shù)不斷進(jìn)步，人工智能芯片也可以面向其他機(jī)器學(xué)習(xí)算法，其體系架構(gòu)和應(yīng)用功能也會(huì)有新的發(fā)展。類(lèi)腦人工智能芯片（如M的uo芯片，以及清華大學(xué)的“天機(jī)芯等）就是典型代表，首先，在底層架構(gòu)上，它們不同于經(jīng)典的馮·諾依曼體系，主要采用神經(jīng)擬態(tài)網(wǎng)絡(luò)結(jié)構(gòu)作為底層架構(gòu)設(shè)計(jì)35。這種架構(gòu)將、其次，還有一些新的元器件被用來(lái)提升學(xué)習(xí)速度，如M公司研制的人造納米尺度的隨機(jī)從長(zhǎng)遠(yuǎn)來(lái)看，類(lèi)