区块链:麻省理工学院的新大脑研究表明AI如何帮助我们理解意识

麻省理工学院和马萨诸塞州总医院的一组研究人员最近发表了一项将社会意识与个体神经元活动联系起来的研究。据我们所知,这是首次在这种规模上确定“心理理论”的证据。

测量大量的神经元是神经学的基础。即使是简单的MRI,也可以突出大脑的特定区域,并向科学家表明它们的用途以及在许多情况下正在发生的想法。但是弄清楚单神经元水平的情况是完全不同的壮举。

根据论文:

在这里,利用人类背背前额叶皮层中单个细胞的录音,我们可以识别出神经元,这些神经元能够可靠地编码在各种情况下的有关他人信念的信息,并能将自我信念与其他信念相关的表征区分开来……这些发现揭示了一个详细的细胞过程。人类背侧前额叶皮层,用于代表他人的信念并识别出可以支持心理理论的候选神经元。

麻省理工牛津等大学共同发起区块链大学计划:8月13日消息,麻省理工学院、牛津大学区块链协会等组织与区块链网络Oasis Network宣布联合创建一个大学计划,该计划项目由Oasis Network提供支持,将为20多个参与的大学社团和院系提供资源和支持,以帮助社团学习和了解区块链技术。此外,该计划的创始参与者还包括康奈尔大学区块链、伯克利大学区块链、剑桥大学区块链协会和爱丁堡大学金融科技协会。(Decrypt)[2020/8/13]

换句话说:研究人员认为他们已经观察到了单个大脑神经元,这些大脑神经元形成了使我们思考其他人可能会感觉和思考的模式。他们正在确定行动中的同理心。

动态 | 麻省理工学院推出科技内容订阅服务 内容涵盖区块链技术:麻省理工学院(MIT)发布了面向企业的科技学习平台MIT Horizon。这项基于订阅的服务涵盖了包括人工智能、3D打印、机器人和区块链在内的新兴技术。惠普和Amsted已成为该项服务的客户。[2019/10/8]

这可能会对大脑研究产生巨大影响,尤其是在精神疾病和社交焦虑症领域,或者在为自闭症谱系障碍患者开发个性化治疗方法方面。

但是,也许最有趣的事情是,我们可以从团队的工作中潜在地了解意识。

声音 | 麻省理工教授:区块链并不像据称的那样安全:据华尔街日报报道,麻省理工学院信息技术教授、麻省理工学院斯隆研究联合会网络安全创始主任Stuart Madnick表示,区块链并不像据称的那样安全。麻省理工学院的研究分析了2011年至2018年间区块链系统中公开报告的72起安全漏洞事件。其中,主要漏洞包括透明度、分布式控制和匿名性,这也是区块链技术的主要优势。Madnick称,虽然透明度使人们能够查看软件并确认没有任何缺陷,但据称也可以让恶意用户轻松访问和探索,以发现其他人尚未观察到的缺陷。至于匿名,Madnick强调,如果丢失密钥,则无法恢复对用户区块链账户的访问权限。Madnick的结论为,最重要的是,虽然区块链系统代表了加密和安全方面的进步,但在某种程度上与其他技术一样容易受到攻击,并且区块链具有新的漏洞。事实上,人类的行为或不作为仍会对区块链安全产生重大影响。[2019/6/7]

研究人员要求15位计划进行特定类型的脑部手术的患者回答一些问题并进行简单的行为测试。根据麻省总医院的新闻稿:

当患者听简短的叙述并回答有关它们的问题时,将其插入背阔肌前额叶皮层中的微电极记录了单个神经元的行为。例如,向参与者展示了这种情况,以评估他们如何看待他人的现实信念:“您和汤姆在桌子上看到一个罐子。汤姆离开后,将罐子移到柜子中。汤姆相信罐子在哪里?”

参加者在听完每个故事后必须对另一个人的信仰做出推断。实验没有改变计划的手术方法或改变临床护理。

实验基本上采用了一个宏伟的概念,并尽可能多地拨入它。通过将这一知识层添加到我们对单个神经元如何交流和共同工作的集体理解中,最终形成我们自己意识内其他思想的理论,有可能使用类似的实验技术来识别和量化其他神经系统。

当然,对于人类科学家来说,不可能想出刺激,观察和标记1000亿个神经元的方法-如果除其他原因外,仅仅需要数以千计的时间来计数它们,而不是观察它们的反应,这是不可能的。挑衅。

幸运的是,我们已经进入了人工智能时代,如果有一件事情擅长于AI,那就是它在做真正单调的事情,例如非常快地标记800亿个神经元。

可以想象马萨诸塞州团队的方法是自动化的。虽然当前的迭代似乎需要使用侵入式传感器-因此要使用已经准备进行脑部手术的志愿者-当然,有一天可以使用外部设备获得如此精确的读数,这绝对是可能的。

这种系统的最终目标是实时识别和映射人脑中的每个神经元。就像在永恒的曲折中迷失了从热气球上看到树篱迷宫一样。

这将使我们对行动意识有如从神的眼光,并有可能使我们在机器中更准确地复制意识。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

地球链

[0:0ms0-1:102ms