叮咚对AI的快乐:英国神经科学协会圣诞研讨会探讨神经科学和AI的未来
一个圣诞研讨会英国神经科学协会综述了神经科学和人工智能(AI)技术之间日益增长的关系。这场在线活动吸引了来自英国各地的演讲，回顾了人工智能如何改变了脑科学，以及这项仍处于萌芽阶段的技术的许多未实现的应用。
过去的白痴AI
以他的演讲开启这一天，动摇你的基础:在人工智能不再是垃圾的世界里，神经科学的未来，教授。克里斯托弗•萨默菲尔德来自牛津大学(University of Oxford)的他研究了人工智能的愚蠢、滑稽和实用三个阶段。我们正在从愚蠢阶段(虚拟助手通常不可靠，人工智能控制的汽车会撞到它们没有注意到的随机物体)转向滑稽阶段(一些人工智能工具实际上相当方便)。Summerfield强调了一个叫做DALL-E一种将文本提示转换为图像的人工智能，以及一种名为小田鼠这可以用令人毛骨悚然的自然反应回答复杂的伦理问题。
人工智能的这些进步对神经科学意味着什么?萨莫菲尔德建议，他们邀请研究人员考虑当前神经科学实践的局限性，这些局限性在未来可能会被人工智能增强。
萨莫菲尔德说，人工智能可以实现神经科学子领域的整合。目前，他说:“学习语言的人并不关心视觉。研究视觉的人并不关心记忆。”如果只考虑一个不同的子领域，人工智能系统就无法正常工作。萨莫菲尔德认为，随着我们更多地了解如何创建一个更完整的人工智能，类似的进展将出现在我们对生物大脑的研究中。
人工智能的另一个可能将神经科学带入未来的因素是接地这是成功的必要条件。目前，人工智能模型在学习关联之前会被提供上下文训练数据，而人脑则从头开始学习。是什么让心理学家实验中的志愿者被告知做某事，然后就去做?为了创造更多自然的人工智能，这是神经科学必须首先在生物大脑中解决的问题。
利用人工智能在医疗保健领域做出更好的决策
牛津大学的Mihaela van der Schaar教授在她的演讲中，我们看到了如何使用机器学习来增强人类的学习能力，定量认识论:一种新的人机伙伴关系．Van der Schaar的演讲讨论了机器学习在医疗保健中的实际应用，他通过一个称为元学习的过程来教授临床医生。范德夏尔说，这是“学习者意识到并逐渐控制感知、探究、学习和成长的习惯的地方。”
这种方法提供了一种潜在的视角，让我们了解人工智能如何补充医疗保健的未来，为临床医生提供建议，告诉他们如何做出决策，以及在进行某些实践时如何避免潜在的错误。Van der Schaar深入探讨了如何建立人工智能模型来进行这些持续改进。在医疗保健领域，至少在英国，采用新技术的速度很慢技术在美国，范德夏尔的演讲让人们看到了真正的数字化医疗可以实现什么。
与范德沙的演讲非常吻合的是伦敦帝国理工学院的一位教授奥尔多·费萨尔的演讲中,题为《人工智能与神经科学——良性循环》．费萨尔研究了人类和人工智能互动的系统，以及如何对它们进行分类。在范德沙尔的临床决策支持系统中，人类仍然负责最终决策，人工智能只是提供建议，而在人工智能增强假肢中，角色互换了。用户可以通过发送神经冲动来建议一个行动方案，比如“拿起这个杯子”，然后人工智能就可以找到一个回应来解决这个建议，例如，通过指挥假手以某种方式移动。费萨尔随后详细介绍了这些范式如何为现实世界的学习任务提供信息，比如运动跟踪的受试者学习打台球。
一项有趣的研究涉及平衡板任务，人类受试者可以在一个轴上倾斜板，而人工智能控制另一个轴，这意味着两者必须合作才能成功。一段时间后，人工智能学习的策略可以在某些科目之间“复制”，这表明人类的学习成分是相似的。但对于其他科目，这是不可能的。
费萨尔认为，这暗示了不同个体学习方式的复杂性，可以为行为神经科学、人工智能系统和未来的设备(如神经假体)提供信息，两者必须很好地结合在一起。
下午的会议以涉及人类和动物大脑复杂性的演讲为特色。谢菲尔德大学的教授Eleni Vasilaki解释了蘑菇体，苍蝇大脑中在学习和记忆中发挥作用的区域，可以为稀疏库计算提供见解。托马斯(他回顾了一个被称为异步的过程，在这个过程中，神经元在对特定刺激做出反应时的激活时间略有不同。诺沃特尼解释了这是如何使得像蜜蜂大脑这样相对简单的系统仅使用几千个神经元就能完成令人难以置信的通信和导航壮举的。
人工智能有思想吗?
当天的演讲的最后是一场展示社交人工智能不可思议的未来的演讲亨利Shevlin剑桥大学利弗休姆未来智能中心(CFI)的高级研究员。
舍夫林回顾了心理理论，该理论使我们能够了解其他人可能在想什么，实际上是模仿他们的思想和情绪。人工智能和我们一样有思想吗?舍夫林回顾了一系列已经出现在世界上的人工智能，它们在2021年扮演人类的角色。
OpenAIs语言模型GPT-3就是这样一个人工智能，它花了一周时间在互联网论坛Reddit上发帖，与人类Reddit用户聊天，并获得了数百条评论。像Replika这样的聊天机器人会为个人用户个性化，创造出与人类联系一样真实的伪关系(至少对某些人来说是这样)用户)．但舍夫林说，目前的系统在愚弄人类方面很出色，但没有“心理”深度，实际上是我们手机使用的预测文本系统的极其熟练版本。
虽然其中一些系统的快速发展可能会让人感到眼花缭乱或不安，但在未来的研究中，人工智能和神经科学很可能会结合在一起。从这些领域的配对中可以学到很多东西，真正的进步将不是从复杂的人工智能理论中退缩，而是通过拥抱它们。在Summerfield演讲的最后，他总结了一个观点，即人工智能是“黑盒”，我们并不完全理解它是“懒惰的”。如果我们将深度网络和其他人工智能系统视为神经生物学理论，那么在下一个十年，神经科学和人工智能都可能取得前所未有的进展。
