如何精确分析大脑与AI的相似度

如何精确分析大脑与AI的相似度 MIT最新方法

一个经常困扰科学家们的问题是，如何判断人工智能系统的工作方式是否和人类大脑一样。

为了回答这个问题，研究人员开发了多种数学方法来计算它们的相似度，比如线性回归、中心核对齐（CKA）、归一化的布雷斯相似性（NBS）和角普罗克汝斯忒斯距离（Angular Procrustes distance）等。但是，我们又该如何解释相似度得分高呢？

最近，麻省理工学院的研究团队提出了一个更加精确的解释方法。

他们发现，即使人工系统获得了很高的相似度分数，也不一定意味着它真的在以类似大脑的方式处理信息。这就好比两个学生考试都得了高分，但解题思路可能完全不同。

还有，不同的相似度计算方法会得出矛盾的结论——同样的人工系统，用方法A计算可能很像大脑，用方法B计算却完全不像。

为了更精确地计算相似度，MIT团队用数学方法推导出CKA、角普罗克汝斯忒斯距离和NBS对主成分维度方差的敏感性，并解释了CKA对高方差成分的重视。

最后，通过联合优化多个相似性度量，团队确定了它们的允许范围，并指出一些相似性度量比其他度量更具约束性。

这项研究也提醒从业者，在比较和解释AI和大脑的相似性时要更加谨慎。正如两个看起来很像的东西，其内在运作方式可能大不相同。

这项工作对于未来开发更像人脑的人工智能系统也具有重要意义。

PS：研究团队还在认知计算神经科学（CCN）论坛上做了长达2小时的演讲，感兴趣的朋友可以点击下方地址查看更详细的内容。

项目地址：网页链接