生物混合主义

来自 AI 研究立场图谱百科

生物混合主义:长在芯片上的活神经元可以被训练来计算,提供一种硅片模仿不了的高能效计算基质。

主张

生物混合主义认为,最有前途的神经网络,是真正由神经元构成的那一个。培养在多电极阵列上的脑细胞会自发形成网络,会根据刺激调整活动,还能和模拟环境闭合成回路。与其在耗电的硅片上模拟生物学习,不如直接用真家伙:会自我重连、靠营养液运转、天生就在持续学习的湿件。

它位于 World 一侧,因为它的智能就是嵌在感知回路里的物理组织;纵向处在上半区、偏向 Monolith,因为培养物本身就是计算基质,是一张活的网络而不是零件流水线,尽管它离不开电极、编解码器和生命维持系统。它拥有全图最革命的“逆天之革命”色号:它要替换的不是架构,而是材料。

论据

  • 通过电刺激和记录与模拟游戏环境相连的培养神经元,在几分钟内表现出性能提升,显示培养皿中存在适应性学习。
  • 按单位计算算,生物神经元的能效远高于数字硬件,而 AI 的能耗问题正日益突出。
  • 湿件天然地以局部、持续的方式学习,绕开了灾难性遗忘和“训练完就冻结”的模式。

批评

  • 已展示的能力还很初级,如何扩展规模、如何“编程”让培养物完成复杂任务,都不清楚。
  • 培养物寿命短、批次差异大、难以复现,恰恰和工程所需相反。
  • 关于培养皿“有感知”“有智能”的说法常被夸大,还引出了领域几乎还没开始处理的伦理问题。

代表作

关系

怎样测出它

在完整版或专业版里落到这一格:x ≈ +0.69,y ≈ +0.46,范式 ≈ +1.00。

这是初稿。欢迎通过 pull request 修正或补充更好的论据。 在 GitHub 上编辑这个词条 编辑它的数据