DeepMind:神经科学与人工智能报告

推荐会员: lex     发布时间: 2020-12-27 10:19  阅读次数: 46 views
摘要: 大脑仍然是唯一已知的真正通用智能系统的例子。对人类和动物认知的研究已经揭晓了一些关键的见解,如并行分布式处理、生物视觉和从奖赏信号中学习的想法,这些都极大影响了人工学习系统的设计。许多人工智能研究人员 …

Jane Wang是DeepMind神经科学团队的一名研究科学家,研究元强化学习和受神经科学启发的人工智能代理。她的背景是物理、复杂系统、计算和认知神经科学。
Kevin Miller是DeepMind神经科学团队的研究科学家,也是伦敦大学学院的博士后。他目前正在研究如何理解mice和机器的结构化强化学习。
Adam Marblestone是施密特期货创新公司(Schmidt Futures innovation)的研究员,曾是DeepMind的研究科学家,此前他获得了生物物理学博士学位,并在一家脑机接口公司工作。
Where Neuroscience Meets AI
地址:
https://sites.google.com/view/neurips-2020-tutorial-neurosci/home
大脑仍然是已知的真正通用智能系统的例子。对人类和动物认知的研究已经揭晓了一些关键的见解,如并行分布式处理、生物视觉和从奖赏信号中学习的想法,这些都极大影响了人工学习系统的设计。许多人工智能研究人员继续将神经科学视为灵感和洞察力的来源。一个关键的困难是,神经科学是一个广泛的、异质的研究领域,包括一系列令人困惑的子领域。在本教程中,我们将从整体上对神经科学进行广泛的概述,同时重点关注两个领域——计算认知神经科学和电路学习的神经科学——我们认为这两个领域对今天的人工智能研究人员尤其相关。最后,我们将强调几项正在进行的工作,这些工作试图将神经科学领域的见解引入人工智能,反之亦然。
概要:
概述 Introduction / background (15 min)
认知神经科学 Cognitive neuroscience (30 min)
学习电路与机制神经科学, Learning circuits and mechanistic neuroscience (30 min)
交叉进展 Recent advancements at the intersection (25 min)
https://sites.google.com/view/neurips-2020-tutorial-neurosci/home

来源:http://brain.dataguru.cn/article-16109-1.html
关键词:

版权声明:本站原创和会员推荐转载文章,仅供学习交流使用,不会用于任何商业用途,转载本站文章请注明来源、原文链接和作者,否则产生的任何版权纠纷与本站无关,如果有文章侵犯到原作者的权益,请您与我们联系删除或者进行授权,联系邮箱:service@datagold.com.cn。