如何体现机器智能和群体智能的关系,2018新版互联网大脑模型绘制

640?wx_fmt=jpeg


作者:刘锋  计算机博士  互联网进化论作者


2018年新的这一版,也是互联网大脑模型图的第五个版本,距离第一版的发布已经有10年时间(2008年),距离上一版第四版也有1年时间,在这一版中主要解决了如何在模型中体现机器智能和群体智能的位置和关系问题。


我们在互联网大脑模型的定义中提到:“机器智能和群体智能是驱动互联网大脑的云反射弧对世界产生反应的根本动力”,但如何在模型中反应这一机制,一直没有很好的解决办法。通过一年的思考,我们终于将第四版模型中的类脑神经元网络进行拆分,形成了第五版的模型架构。


这次修改对与进一步分析人工智能如何影响科技生态;混合智能在互联网中如何·形成将会有更为具体的启发。


640?wx_fmt=jpeg


互联网大脑模型的定义


互联网的大脑模型就是互联网向与人类大脑高度相似的方向进化过程中,形成的类脑巨系统架构;


互联网大脑架构具备不断成熟的类脑视觉、听觉、躯体感觉、运动神经系统、记忆神经系统、中枢神经系统、自主神经系统;


互联网大脑通过类脑神经元网络将将社会各要素(包括但不仅限于人,AI系统,生产资料,生产工具)和自然各要素(包括但不仅限于河流,山脉,动物,植物,太空)链接起来,从而实现人与人、人与物、物与物的交互,互联网大脑在群体智能和机器智能的驱动下通过云反射弧实现对世界的认知,判断,决策、反馈和改造。


关于互联网大脑模型若干问题探讨


1.关于研究方法的问题


一个有趣的现象是,作为20世纪最重要的物理结构“原子”和“21世纪和最重要的物理结构互联网”,为了深入,准确和清晰的描述它们完整结构时,都用到了巨系统对比的方法,分别是原子的葡萄干蛋糕模型、原子土星模型、原子太阳系模型和互联网网状模型、互联网海星模型和互联网大脑模型。


2.关于互联网大脑是否人为规划的问题


互联网大脑模型的形成并不是人为规划的,而是过去50年时间里,在科学研究和商业创新两大动力的推动下,自然涌现和形成的类脑巨系统架构,只是在21世纪后其类脑现象启发我们绘制了完整的互联网大脑模型图。也就是说无论我们是否提出互联网大脑模型,这一结构都会形成和发展。这说明类脑的巨系统架构是当前科技生态下各技术关联运转的最优目标架构。


3.互联网大脑模型的发育过程


与原子的太阳系模型或电子云模型的结构稳定不同,互联网大脑模型的结构是快速变化,不断发育成熟的,在过去50年,互联网大脑模型各部位依次发育,并在2018年出具雏形。


1969年  互联网诞生


1974年  Tcp/ip协议诞生


1991年  万维网诞生


2004年  互联网类脑神经元网络快速发育,博客,社交网络,web2.0爆发、


2007年  互联网中枢神经系统开始快速发育,云计算开始快速发展


2009年  互联网感觉神经系统开始快速发育,物联网开始爆发


2010年  互联网神经纤维开始快速发育,3G,4G,光纤,卫星通信和定位快速发展


2012年  互联网运动神经系统开始快熟发育,美国工业互联网,德国工业4.0提出,3D打印,无人机,智能汽车,云机器人开始兴起。


2013年  互联网大数据开始爆发,伴随互联网类脑神经元网络,互联网感觉神经系统,运动神经系统,神经纤维的成熟,互联网数据急剧增长。


2015年  互联网大脑模型的智能化开始加速,人工智能与互联网大数据,视觉神经系统,听觉神经系统,运动神经系统,中枢神经系统深度结合,成为激活互联网大脑模型的重要动力。


2016年  互联网神经末梢开始加速发育,以边缘计算为代表远端智能技术开始广泛应用


2018年  互联网大脑模型初具雏形,各科技公司将自己的业务核心与互联网类脑架构结合,涌现大量智能巨系统,包括谷歌大脑,讯飞超脑,百度大脑,阿里ET大脑,360安全大脑,腾讯超级大脑,华为EI智能体


2020年  科技领域的智能巨系统不断融合,对智慧社会,智慧城市,智慧家庭的建设将产生越来越重要的影响。


4.关于互联网大脑模型的详细研究情况


互联网大脑模型从提出迄今已经有超过10年的时间,具体研究过程和研究内容,请参阅文章:


1.《互联网大脑模型的提出过程和研究方向》地址:http://blog.sciencenet.cn/blog-39263-1111663.html


2. 《互联网的大脑模型与原子的太阳系模型,科学史上的巨系统对比》,http://blog.sciencenet.cn/blog-39263-1118627.html


5.互联网大脑前4版模型图的情况


640?wx_fmt=jpeg

作者:刘锋  计算机博士,《互联网进化论》作者


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/494833.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python可变传参: *args和**kwargs

args是参数的数组,kwargs就是当你传入keyvalue是存储的字典。 请看例子: def test(a,*args,**kwargs): print "a: ",a print "args: ",args print "kwargs: ",kwargs test(1,2,3,d4,e5) 输出结果: a: 1 args: …

7/7 第7篇 函数名与函数指针

第7篇 函数名与函数指针 一 通常的函数调用 一个通常的函数调用的例子: //自行包含头文件 void MyFun(int x); //此处的申明也可写成:void MyFun( int ); int main(int argc, char* argv[]) { MyFun(10); //这里是调用MyFun(10);函数 return 0; }…

全球互联正在创造一个知识极大丰富和隐私终结的时代

来源:资本实验室摘要:据预测,到2020年,全球物联网连接设备将超过500亿个,会产生600泽字节的信息。这么庞大的数据量,将如何影响并改变我们的生活和工作?聚焦前沿科技创新与传统产业升级据预测&a…

大数据计算引擎:impala对比hive

目录 Impala与Hive的异同 数据存储 元数据 SQL解释处理 执行计划: 数据流: 内存使用: 调度: 容错: 适用面: Impala相对于Hive所使用的优化技术 Impala的优缺点 Impala与Hive的异同 数据存储 …

从外部调用Django模块

import os import sys sys.path.insert(0,/data/cloud_manage) from django.core.management import setup_environ import settings setup_environ(settings)from common.monitor import Monitor from django.db import connection, transaction 前提就是,要新建一…

泡沫破裂之后,强化学习路在何方?

作者|侯宇清、陈玉荣来源|智能单元编辑|Debra一、深度强化学习的泡沫2015 年,DeepMind 的 Volodymyr Mnih 等研究员在《自然》杂志上发表论文 Human-level control through deep reinforcement learning[1],该论文提出…

常见的设计模式--单例模式

设计模式 设计模式(Design Pattern)是一套被反复使用、多数人知晓的、经过分类的、代码设计经验的总结。使用设计模式的目的是为了代码可重用性、让代码更容易被他人理去解、保证代码可靠性。 设计模式使代码编写真正工程化;设计模式是软件工…

一篇文章搞懂数据仓库:维度表(设计原则、设计方法)

目录 1、什么是维度表? 2、维度表设计原则 (1)维度属性尽量丰富,为数据使用打下基础 (2)给出详实的、富有意义的文字描述 (3)区分数值型属性和事实 (4)…

javascript 键值转换

for (var i 0; i < headerFields.length; i) {fieldToIndex[headerFields[i]] i;} 转载于:https://www.cnblogs.com/EasonSun/archive/2012/08/03/2621661.html

Github项目:AI消除马赛克实战

目录 1、原理 2、准备工作 3、消除马赛克 4、效果对比 1、原理 该算法利用线性盒滤波器分别处理每个块的事实。对于每个块&#xff0c;它将搜索图像中的所有块像素化以检查直接匹配。 对于大多数像素化图像&#xff0c;Depix能够找到单个匹配结果。它假设这些是正确的。然…

C++继承一览

继承的概念及定义 继承机制是面向对象程序设计是代码可以复用的重要手段&#xff0c;它允许程序员在保持原有类特性的基础上进行扩展&#xff0c;增加功能&#xff0c;这样产生的类称为派生类。继承呈现了面向对象程序设计的层次结构&#xff0c;体现了由简单到复杂的认知过程。…

人工智能能否复制人脑引争论 美媒:目前AI仍存在局限性

来源&#xff1a;网易智能摘要&#xff1a;人们应用人工智能技术&#xff08;AI&#xff09;的所有领域&#xff0c;包括无人驾驶汽车、机器人医生、超过10亿中国公民的社会信用评分系统等&#xff0c;当前都取决于一场关于如何让AI做其不能做的事的辩论。8月6日报道称&#xf…

Tushare免费获取股票数据:实时数据,历史数据,行情数据

一 操作手册 引导用户顺利开始使用Tushare Pro数据&#xff0c;以下步骤将带您开始Tushare数据之旅&#xff1a; 用户注册登录后可调用数据&#xff1a;https://tushare.pro/register?reg399205 二 如何获取TOKEN凭证 1、登录成功后&#xff0c;点击右上角->个人主页 2、…

2012/8/3 Extjs使用TabPanel时需要注意的问题

在创建Ext.TabPanel时&#xff0c;配置项deferredRender经常会被忽略&#xff0c;关于这个配置项&#xff0c;我们来看一下API文档的解释&#xff1a;“内置地&#xff0c;Tab面板是采用Ext.layout.CardLayout的方法管理tabs。此属性的值将会传递到布局的Ext.layout.CardLayout…

排序(冒泡、选择、插入、希尔、快排、堆排、归并)

冒泡排序 冒泡排序时通过无序区中相邻记录的关键字间的比较和位置的交换&#xff0c;使关键字最小的元素如气泡似的逐步上浮直水面。有序区逐渐扩大&#xff0c;无序区逐渐缩小。   冒泡排序算法的原理如下&#xff1a; 比较相邻的元素。如果第一个比第二个大&#xff0c;就…

人民日报:人工智能,务实发展是正道

来源&#xff1a;人民日报摘要&#xff1a;近日&#xff0c;由中国人工智能学会主办的中国人工智能大会在深圳召开&#xff0c;利用这个人工智能领域产、学、研紧密结合的高端前沿交流平台&#xff0c;围绕关键核心技术发展等当前热点话题&#xff0c;学者和业界人士进行了充分…

kudu参数优化设置,让集群飞起来~

根据数据体量&#xff0c;结合集群各节点的CPU、内存、磁盘的表现&#xff0c;合理优化设置kudu参数&#xff0c;让集群飞起来~ 如有雷同&#xff0c;纯属借鉴~ 1.Kudu后台对数据进行维护操作&#xff0c;如写入数据时的并发线程数&#xff0c;一般设置为4&#xff0c;官网建议…

(转)Some awareness before migrating from x86 to x64

本文转自&#xff1a;http://www.cnblogs.com/feishunji/archive/2010/10/20/1856798.html Lets assume we have the following three dlls: anycpu.dll -- compiled "any cpu" x86.dll -- compiled "x86" x64.dll -- compiled &…

大数据技术Hbase 和 Hive 详解

目录 两者的特点 各自的限制 应用场景 大数据技术Hbase 和 Hive 详解&#xff0c; 今天给大家介绍一下关于零基础学习大数据视频教程之HBASE 和 HIVE 是多么重要的技术&#xff0c;那么两者有什么区别呢 ? 下面我们一起来看一下吧。 ApacheHive 是一个构建在 hadoop 基础设…

STL中vector和list的区别

底层结构 vector的底层结构是动态顺序表&#xff0c;在内存中是一段连续的空间。   list的底层结构是带头节点的双向循环链表&#xff0c;在内存中不是一段连续的空间。 随机访问 vector支持随机访问&#xff0c;可以利用下标精准定位到一个元素上&#xff0c;访问某个元素的…