量子链分析

量子链分析

量子链是什么

  • 价值传输协议与去中心化应用平台

一:布局

  • 2016年03月帅初初始想法
  • 2017年01月9日 获得一百万美元融资。
    • 投资人:
    • 快的打车创始人陈伟星
    • 以太坊早期参与者 和Jaxx wallet CEO Anthony Di Iorio、
    • 新加坡管理大学教授 David Lee 、
    • 香港区块链技术倡导者 JeHan Chu 、
    • 区块链技术投资人沈波、
    • 中国天使投资人李笑来以及国内数家主流交易所的负责人
    • 徐明星 (OKCoin首席执行官)
  • 计划
    • 四年内在国内成立十个实验室
    • 将在北京,上海,杭州等城市成立孵化器项目,孵化区块链相关项目,提供技术辅导和资金支持,助力构建Dapp工厂,致力于打造Qtum生态。
    • 2018年初开展Qtum培训计划

二:Qtum 行业应用领域(DAPP)

  • 社交
  • 游戏
  • 新媒体
  • 物联网
  • 供应链
  • 金融服务
  • 视频
  • 慈善
  • 数字资产
  • 股权
  • 医疗服务等。。

三:新特性

  • Mpos 互惠权益证明
  • DGP 分布式治理协议
  • 其他引用
    • 兼容EVM 虚拟机(以太坊)
    • POS机制 权益证明
    • UTXO (比特币)
  • 其他特性
    • 面对移动端策略
    • 图灵完备编程语言
    • 为区块链与商业应用架起桥梁
    • 架起以太坊与比特币直接互相不能联系的桥梁。

四:已公布基于量子的行业应用

  • http://chainb.com/?P=Cont&id=4972
  • 1.菩提
    • 菩提是一个来自美国硅谷,全新的基于区块链的去中心化预测市场项目。众筹地址:https://ico.info/projects
  • 2.Vevue
    • Vevue是一个来自美国的去中心化视频分享类社交APP,致力于全新的下一代视频社交体验。
  • 3.Medibloc
    • MediBloc是一个来自韩国基于区块链技术的医疗信息开放平台。
  • 4.Energo Labs(25号众筹)
    • Energo是由一系列去中心化应用组成的生态系统,以打造一个以适应未来的DAE社区(Decentralized Autonomous Energy Community)。
  • 5.墨链InkChain
    • 墨链是一个基于区块链的大文化产业底层技术提供者与数字化产权交易平台。
  • 6.斑马轻物联
    • 斑马轻物联通过一物一码的技术原理结合微信开放平台,为企业提供一站式“快消物联网”解决方案。
  • 7.Boro
    • Boro是基于群体智慧的借贷顾问。

最后

  • Qtum量子链将于9月正式发布主网,当前所处阶段为测试阶段。

通往财务自由之路-数字货币经济

风向标

      • 比特币
      • 以太坊
      • ZEC

主力

      • ETC
      • 莱特
      • 蚂蚁
      • 量子

潜力股

      • Tenx pay
      • AE
      • EOS
      • OMG

短炒

      • SC
      • 1SF
      • SNT

待观察

      • 公信宝
      • ETP
      • 比特股
      • 比原

其他

      • 黑币
      • 门罗
      • 达世

说明

    • 短线绝对赚不了大钱,长线才是价值投资。
    • 短线只可以练手,同时也是为了参与,在这里面找到方向。
    • 绝对不能没有长线投资,短线与长线并存,中线作为自己短线与长线的资金补充。
    • 大盘稳,小盘涨
    • 大盘跌,小盘跌。

 

科幻电影收录

1.超体 Lucy(2014)
2黑客帝国 The Matrix(1999)
3.盗梦空间 Inception(2010)
4.云图 Cloud Atlas(2012)
5.K星异客 K-PAX(2001)
6.源代码 Source Code(2011)
7.从今以后 Hereafter(2010)
8.美丽心灵的永恒阳光 Eternal Sunshine of the Spotless Mind(2004)
9.时间旅行者的妻子 The Time Traveler’s Wife(2009)
10.楚门的世界 The Truman Show(1998)
11.触不到的恋人 The Lake House(2006)
12.末日危途 The Road(2009)
13.2001太空漫游 2001: A Space Odyssey(1968)
14. 灵幻夹克 The Jacket(2005)
15. 伊娃 Eva(2011)
16. 移魂都市 Dark City(1998)
17. 香草的天空 Vanilla Sky(2001)
18. 转轮手枪 Revolver(2005)
19. 蝴蝶效应 The Butterfly Effect(2004)
20. 禁闭岛 Shutter Island(2010)
21. 似曾相识 Someone Like You…(2001)
22. 明日边缘 Edge of Tomorrow(2014)
23. 美国丽人 American Beauty(1999)
24. 小岛惊魂 The Others(2001)
25. 天使A Angel-A(2005)
26. 珍爱泉源 The Fountain(2006)
27. 雪国列车Snowpiercer (2013)
28. 异次元骇客The Thirteenth Floor(1999)
29. 春夏秋冬又一春Spring, Summer, Fall, Winter… and Spring (2003)
30. 第六感 The Sixth Sense(1999)
31. 无姓之人 Mr. Nobody(2009)
32. 这个男人来自地球 The Man from Earth(2007)
33. 月球 Moon(2009)
34. 仙境之桥 Bridge to Terabithia(2007)
35. 咖啡 Café (2011)
36. 重返地球 After Earth(2013)
37. 超验骇客 Transcendence(2014)
38. 分歧者:异类觉醒 Divergent(2014)
39. 恋恋书中人 Ruby Sparks(2012)
40. 时空恋旅人 About Time(2013)
41. 搏击俱乐部 Fight Club(1999)
42. 本X Ben X(2007)
43. 死亡幻觉 Donnie Darko(2001)
44. 温暖的尸体 Warm Bodies(2013)
45. 虫洞效应 The Last Mimzy(2007)
46. 魔术师The Illusionist(2006)
47. 返老还童 The Curious Case of Benjamin Button (2008)
48. 致命魔术The Prestige (2006)
49. 记忆碎片Memento (2000)
50. 人生遥控器Click (2006)
51. 预言premonition (2007)
52. 心灵传输者Jumper (2008)
53. 创战纪TRON: Legacy (2010)
54. 时间规划局In Time (2011)
55.心灵捕手Good Will Hunting.(1997)
56.命运规划局 The Adjustment Bureau(2011)
56.星际穿越Interstellar (2014)

技术 | IBM 开源DIY纸板机器人: TJ Bot

BM开源了一个 DIY 纸板机器人:TJBot ,召集世界各地的 Bot 爱好者来制作属于自己的个性化 Bot。

项目地址:https://github.com/ibmtjbot/tjbot

访问:https://ibmtjbot.github.io/

TJBot 延续了手工社区的精神,它是一套 DIY 工具包,可让你建立由Waston驱动的可编程纸板机器人。该机器人由一块切割的纸板(可以是3D打印或者激光切割)、Raspberry Pi 和多种插件(包括一个RGB LED灯、一个麦克风、一个伺服电机和一个摄像头)构成。同时,TJ Bot还是一个开源项目,我们可在 Instructables.com 和 GitHub 上查看相关指导。IBM的团队已经提供了三个TJ Bot 启动指导,但他们希望所有人都能贡献出自己的DIY机器人装配指导。

以下是已有的 TJ Bot 的制作过程:

  • 让 TJ Bot 回应情感。TJ Bot 头上的 RGB LED 灯会根据 Twitter 上的某个给定话题的公共情绪改变颜色。它与 Twitter API(https://dev.twitter.com/overview/api)相连,能自动抓取推文,并能通过运行Watson Tone Analyzer(http://www.ibm.com/watson/developercloud/tone-analyzer.html) 来识别整体的情绪。例如,你可以给 TJ Bot 编程让它实时跟踪关于艾美奖的大众社会情绪。教程地址:http://www.instructables.com/id/Make-Your-Robot-Respond-to-Emotions-Using-Watson/
  • 用你的声音控制 TJ Bot。你可以用你的声音给 TJ Bot 下一些基础的命令。例如,你可以要求TJ Bot「把光调成黄色」,然后它就会把自己的灯光调成黄色。TJ Bot使用Watson Speech To Text API 来转录、分析和理解你说的话。

    教程地址:http://www.instructables.com/id/Use-Your-Voice-to-Control-a-Light-With-Watson/

  • 与TJ Bot聊天。使用三个Watson API创作一个“聊天”bot,你只需要三步。Watson Speech To Text API(http://www.ibm.com/watson/developercloud/speech-to-text.html)会将你的声音转换成文本,然后Watson Conversation(https://www.ibm.com/watson/developercloud/conversation.html)会处理文本并计算出一个回复,之后Watson Text To Speech会将文本转换成音频,让 TJ Bot 做出回应。你可以和 TJ Bot 聊从天气到你最喜爱的电视节目的任何事情,这取决于你如何编程你的Rasberry Pi。 教程地址:http://www.instructables.com/id/Build-a-Talking-Robot-With-Watson-and-Raspberry-Pi/

TJ Bot 是『具身认识(embodied cognition)』的一个例子,也就是将人工智能植入你日常生活中的具体物体中。在这个例子中,我们把 Watson 技术放入一个切割的纸板中,想象着让你家的墙壁、你的家具或你家里的各种物体能具备以上几种能力。

创作出认知具身的关键之一就是理解人类与事物互动的方式。与这些物体的互动,比如与TJ Bot 的互动要比与现有计算设备互动更加自然:你不需要用键盘打字,只需用声音命令它可以了。

不论你是想写出一个具有「big idea」的代码,还是完成课业的某个课题,都可以参与 TJ Bot 的开源项目中来。

 

转载至:http://it.sohu.com/20161112/n472992916.shtml

TensorFlow 官方文档中文版

2015年11月9日,Google发布人工智能系统TensorFlow并宣布开源,同日,极客学院组织在线TensorFlow中文文档翻译。

机器学习作为人工智能的一种类型,可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今,领先的科技巨头无不在机器学习下予以极大投入。Facebook、苹果、微软,甚至国内的百度。Google 自然也在其中。「TensorFlow」是 Google 多年以来内部的机器学习系统。如今,Google 正在将此系统成为开源系统,并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员,这意味着什么呢?

打个不太恰当的比喻,如今 Google 对待 TensorFlow 系统,有点类似于该公司对待旗下移动操作系统 Android。如果更多的数据科学家开始使用 Google 的系统来从事机器学习方面的研究,那么这将有利于 Google 对日益发展的机器学习行业拥有更多的主导权。

为了让国内的技术人员在最短的时间内迅速掌握这一世界领先的 AI 系统,极客学院 Wiki 团队发起对 TensorFlow 官方文档的中文协同翻译,一周之内,全部翻译认领完成,一个月后,全部30章节翻译校对完成,上线极客学院Wiki平台并提供下载。

Google TensorFlow项目负责人Jeff Dean为该中文翻译项目回信称:”看到能够将TensorFlow翻译成中文我非常激动,我们将TensorFlow开源的主要原因之一是为了让全世界的人们能够从机器学习与人工智能中获益,类似这样的协作翻译能够让更多的人更容易地接触到TensorFlow项目,很期待接下来该项目在全球范围内的应用!

Jeff回信原文:

jeff

再次衷心感谢每一位为该翻译项目做出贡献的同学,我们会持续关注TensorFlow、AI领域以及其它最新技术的发展、持续维护该协作翻译、持续提供更多更优质的内容,为广大IT学习者们服务!

内容来源

英文官方网站:
http://tensorflow.org/

官方GitHub仓库:
https://github.com/tensorflow/tensorflow

中文版 GitHub 仓库:
https://github.com/jikexueyuanwiki/tensorflow-zh

文档出处:

http://wiki.jikexueyuan.com/project/tensorflow-zh/

虚拟货币Zcash(零币/Z币)的特色和原理

虚拟货币Zcash(零币/Z币)的特色和原理

Zcash的发布可算是虚拟货币和区块链领域在2016年的一颗重磅炸弹,前三天高企的交易价格反应了全球虚拟货币用户对这种全匿名货币的热捧和期待。很少有发布及超越比特币的特色货币,不同于一般粗制滥造的山寨币,与以太币一起,Zcash一下子走上了正规军、王牌币的道路,并且大有币值长期盖过以太币的趋势。那么Zcash背后的基本原理和渊源又如何呢?它为何会受到行家的热捧呢?支撑着Zcash的依据又将会是什么市场或者商业行为呢?本文将从技术角度,以尽量浅显的道理带领对此有兴趣的读者一窥究竟。

首先要说说Zcash的渊源。Zcash的起源源自创始人早期的zerocoin,而后做了基本原理的改动。其特色零知识证明技术,是源于美国麻省理工学院上世纪80年代的密码学技术,曾一度用于军事目的而成为绝密禁止出口技术。放到民用上来,百度和维基百科都给出了比较具体的例子,有兴趣的朋友可以看看。Zcash创始人Zooko可算是密码学届和黑客领域一位资深老朋克,他创建的Zcash,基本单位是ZEC,吸收了零知识证明的原理,运用到Zcash的代码中,具体实现部分依赖的libsnark库更是经过学术界研究、把关过的,其理论依据的论文是Succinct Non-Interactive Zero Knowledge for a von Neumann Architecture (简洁非交互式零知识证明的冯诺伊曼体系结构)。该论文作者来自以色列理工,麻省理工和特拉维夫大学,都是Zcash团队成员,负责理论和安全审计部分。零知识证明在Zcash中应用到完全匿名性而和挖矿直接相关的pow(计算工作量证明)部分,又是由卢森堡大学的两位博士提出的equihash理论坐镇,目标就是设计一种算法从经济上反制asic,弱化显卡优势,强化内存带宽为pow的瓶颈。虽然这一目标在Zcash上线横枪跃马的各大GPU Miner(挖矿软件)竞争下没有完全实现,但是其根本原理-内存带宽作为瓶颈-依旧成立,使得同等身价水平的CPU和一块显卡是一个数量级,甚至相等的算力水平。这个原理为将来大众挖矿将打下很好的基础,我们随后的文章会深入分析这块。顺便提一句equihash其实是求解Generalized Birthday Problem – GBP (一般生日问题)的一个密码学版本,而GBP又可归约为NP问题(“可归约为”是计算理论词汇,简单讲变形为或者说等价为),要想投机取巧这个,比如作弊挖矿软件,可是要考虑这是要破解世界千禧7大数学难题!【注释1】

说完了Zcash原理部分,就不得不提Zcash的实现部分了。Zcash的代码是从比特币代码版本11下fork(代码分支)出来的(这个是代码fork哦,不是硬分叉那个fork哦),所以有兴趣深入了的的读者会从它的代码部分看到大量比特币的身影,什么rpc命令格式啊,conf配置文件啊,都很像。所以说Zcash的代码基因就是比特币一点不为过。加上Zcash自身的特色,它简直就是一个升级加强版的比特币!同时Zcash试图克服比特币不那么成功甚至可以说比较失败的教训,比如区块容量这颗定时炸弹。

币圈对Zcash追捧,主要来自于:

0. 零知识证明彻底解决了比特币半匿名性的问题,使得即使像CIA之类的机构也难以追踪金融交易的私密性。

1. 对Zcash豪华梦幻团队是很认可的,各大顶级理工学院的密码学大师,做过Java虚拟机安全漏洞的Daira和I2P的Jack等等。

2. 源于比特币,总发行数量固定的货币。

3. 对以后公平挖矿的憧憬,挖矿可能不再是局限在一小撮程序员和技术极客人群,equihash使得物联网和手机设备挖矿存在可能。

当然,这里面自然不会少了投机炒作之人,比如在慢挖矿阶段,发布日的币价虚高达到成上千比特币兑换一ZEC,相当于数十万人民币!而平稳一周后,又出现因为1.0版本没有做好最有噱头的匿名地址而大幅做空。

那么支持Zcash初期价格的很大一部分真金白银的购买来自于暗网的洗币交易。比如2016年的两大丢币事件DAO和Bitfinex都是丢失了价值上亿美元的比特币,这些黑客如果用Zcash洗白,将做到没有痕迹,哪怕是美国的顶级情报部门,也很难抓到盗取者。另外一大部分就是投机炒作,上下翻飞的市场波动给交易员施展的空间。长远来看,比特币越来越受到监管政策的“特殊照顾”,特别是最近中国央行开始注意到比特币突破外管额度的换汇渠道,Zcash很可能在今后慢慢替代比特币现在的位置。比特币的交易记录对美国的CIA来说根本就不太有匿名作用,FBI也曾追踪比特币交易端掉丝绸之路,就连大名鼎鼎的TOR,其实也是早已被美国政府部门研究很久的东西,隐私和隐蔽性是没有宣传的那么强的,甚至说远远没有。这个背景下,Zcash很可能和其协议一道,扛起匿名反审查的大旗,与监管规则的纠缠就像如今比特币一样,会是常态。

另外格外要提到的一点是pow部分的equihash,它开启了一扇大门,就是非专业挖矿的大众用户,也有可能进来获取挖矿的乐趣。大幅削减专业矿机对传统PC和移动设备的经济优势,将有利于普惠大众对区块链的认知。如果每个一般用户对挖矿加密有了切身的体会,受到小额的利润而且被教育到加密挖矿的伟大金融意义,他们也许会是颠覆银行最强的声音!

最后,本文不得不提到Zcash面临的技术问题:

1. 官方挖款软件的支援能力需要提升,由于民间高手们都太猛了,而且对Zcash表现了极大的热情,导致挖矿软件的副厂软件远远快于官方。

2. 写出GPU挖矿解算器的Tromp博士提出过内存带宽和未来显卡的高带宽趋势,可能使得Zcash普惠大众的挖矿愿望和反制专业矿机的理想搁浅,他自己的CC算法作为pow,吃定内存延迟作为pow计算的瓶颈也是相当有特色的;Zcash创始人Zooko其实一度曾考虑用CC,虽然最终决定了用equihash。

3. 在前有比特币竞争的情况下,如何脱颖而出,进入常规人可以应用的领域,而不是昙花一现。

那么Zcash的挖矿软件秘密在哪里呢?目前官方设置的N=200和K=9是什么意思呢?pow的9轮排序到底在干什么呢?各个版本的equihash求解器优劣如何?开源GPU大赛的挖矿软件大都源自Tromp博士和SilientArmy(寂静军队)的实现,Tromp博士和SilentArmy技巧在哪里?做了什么特殊处理使得GPU速度迅速提升呢?注释2 我们将在以后的技术文章中一一探讨解答,静待后问分解:)

注释1:

千禧7大数学难题:

•P/NP问题(P versus NP)

•霍奇猜想(The Hodge Conjecture)

•庞加莱猜想(The Poincaré Conjecture),此猜想已获得证实。

•黎曼猜想(The Riemann Hypothesis)

•杨-米尔斯存在性与质量间隙(Yang-Mills Existence and Mass Gap)

•纳维-斯托克斯存在性与光滑性(Navier-Stokes existence and smoothness)

•贝赫和斯维讷通-戴尔猜想(The Birch and Swinnerton-Dyer Conjecture)

 

来源:NABA北美区块链协会

原创:陳子無衣

Google DeepMind突破大脑屏障:计算机终于有了记忆

DeepMind已经建立了一个可以像常规的图灵机一样访问外部存储器的“神经网络图灵机”。其结果是这个“神经网络图灵机”可以模拟人类大脑的短期记忆。

在神经系统科学领域中,其中一个最大的挑战就是要了解人类大脑的短期工作记忆。与此同时,计算机科学家们也热爱在硅片中重现同样的记忆。

Google在今年年初曾花费4亿美金收购的创业公司DeepMind在今天公布了一台原型电脑,这台原型电脑可以试图模仿一些人类大脑的短期工作记忆的特性。这台新的计算机具备一种神经网络类型,它可以适应与外部存储器共同工作。其结果是这台计算机可以存储记忆并能在之后检索它们从而执行一些有逻辑性的任务,除此以外,它也可以被训练去做一些事情。

DeepMind在人们已经有着悠久探索历史的短期记忆方面取得了突破性进展。在20世纪50年代,美国认知心理学家George Miller进行了一项在脑科学的历史中非常著名的实验。George Miller对人类大脑工作记忆的能力十分感兴趣,他开始着手测量人类大脑的实验并邀请了大批的学生参与这项实验。

George Miller的实验结果显示,短期记忆的能力不能由它包含的信息量来确定。反而George Miller的实验结果显示出工作记忆是以“块”的形式来存储信息,并且大约可以存储7个。

这提出了一个奇怪的问题:这个“块”是什么?在Miller的实验中,一个块可以是一个单一的数字,如“4”,一个字母如“Q”,一个词或一个词组。所以每个块都可以表示任何从一个非常小的信息量变成一个非常复杂的想法的东西,它等效于大量的信息。

但是,无论一个单独的块能表示多少信息,人类的大脑也只能存储七个块在工作记忆中。

这里有一个例子。请仔细看下面的句子:“This book is a thrilling read with a complex plot and lifelike characters ”。

这句话是由大约7块信息组成的,显然这句话在任何普通读者看来都是可以理解的。

与此相反的是,尝试读读这句话:“This book about the Roman Empire during the first years of Augustus Caesar’s rein at the end of the Roman Republic, describes the events following the bloody Battle of Actium in 31 BC when the young emperor defeated Mark Antony and Cleopatra by comprehensively outmaneuvering them in a major naval engagement “。

这句话至少包含20块信息。所以,如果你发现它更难以阅读,不用惊讶。人类的大脑在工作记忆中确实很难以处理这类信息。

在认知科学领域,理解句子的组成部分,并将其存储在工作记忆中的能力被称为变量绑定。这是将一块数据取出,将其分配给记忆,并反复执行此操作的能力。

在90年代和00年代期间,计算机科学家多次试图设计算法、电路和神经网络,希望其可以执行上述操作。这样的计算机应该能够分析一些简单的句子例如“玛丽告诉约翰”,所以在这样的情况下,计算机可以区分出玛丽是说话的角色,说话这个动作和约翰这个倾听的角色。

DeepMind的人员透露,早期的机器的性能非常有限,而他们的架构借鉴了之前的技术并加强了它。

他们开始重新定义神经网络的本质。至今,神经网络已成为相互关联的“神经元”模式,它有能力改变相互连接的强度来响应外部输入。这是一种学习的形式,让他们发现不同的输入之间的相似之处。

但是,计算的基本过程包含一个重要的附加因素。在计算的过程中,外部存储器需要可以被读取和写入。在图灵著名的计算机说明中,存储器就像是一个电报纸条,通过计算机来回传递并存储各种各样的符号供稍后处理。

这种类型的可读和可写的存储器中不存在常规的神经网络。因此,他们仅仅添加了一个。这使得神经网络可以在其存储器中存储变量并返回给它们在之后的计算中使用。

这类似于一台普通的计算机可能把数字3和数字4输入进内部寄存器,之后将它们合在一起生成7。区别在于神经网络可以存储更复杂的表示变量的模式。

由于这种形式的计算与传统的神经网络具有不同的特点,DeepMind给它起了一个新的名字——他们称之为神经体统图灵机,而且第一款产品已建成。神经系统图灵机与常规神经网络类似,它通过接受外部世界输入的信息来学习,但它也会学习如何存储这种信息以及何时进行检索。

DeepMind的工作包括:首先构建设备,然后进行实验。他们的实验中包含了一些测试,看看神经系统图灵机能否执行特定的任务,它可以再扩展这个能力从而实现更大或更复杂的任务。

事实证明,神经系统图灵机已经学会了完美复制的序列长度为20左右的信息。然后在复制序列长度为30和50的信息时,也很少出现错误。对于长度为120的序列,错误开始增多。

他们比较了它们的神经体统图灵机的与常规的神经网络的性能。区别是很显著的。传统的神经网络学会复制序列长度是20的信息时几乎是完美的。但是,当涉及到那些更长的序列时,错误会立刻增多。处理长度为120的序列时几乎是不可识别的。

DeepMind团队也测试了神经体统图灵机执行其他任务的能力。例如,其中之一相当于是复印:该任务是复制序列,然后重复该序列一定的次数,并结束于一个预定的标记。这一次,该神经系统图灵机的表现显著优于常规的神经网络。

这是一个令人印象深刻的产品。DeepMind的实验表明,神经系统图灵机能够从数据中学习简单的算法,并使用这些算法来扩展它的能力。

大脑的这种重新编码能力是人工智能的关键要素之一。除非电脑能复制人类大脑的这种能力后,否则它永远都比不上人脑的表现。

Google旗下的DeepMind曾表示,他们的目标是“解决智慧”。如果此解决方案可以达到人类的智力水平,那么最好的测试就是看神经系统图灵机能否具有人类大脑重新编码的能力。

转载至:http://www.leiphone.com/news/201410/YvzQOhpzGIctsF71.html

Spaun:最逼真的人工大脑

引用:http://www.guokr.com/article/403444/

 

nengo神经:http://www.nengo.ca/

Spaun大脑地址:http://models.nengo.ca/spaun

最近,加拿大滑铁卢大学的几位神经科学家和软件工程师说,他们已经构建出了目前世界上最大、最逼真的人类大脑模拟系统。这只“大脑”不仅有获取视觉信号的电子眼和可以作出相应反应的机械臂,它还能通过基础的智商测验。

这只叫做Spaun(Semantic Pointer Architecture Unified Network,语义指针架构统一网络)的“大脑”拥有250万只虚拟神经元,可以执行8项不同的任务。这些任务涵盖的范围从复制绘画、计数,到回答问题和作出流畅的推理。现在,请先观看下面的这段视频来大概了解一下Spaun是怎么工作的,而下面的文章会告诉你为什么Spaun如此值得关注。

首先,我们来了解一下关于这只“大脑”的具体细节。Spaun拥有一只28*28分辨率(784像素)的电子眼,还有一条可以在纸上写画的机械臂。Spaun和外部世界的互动都是通过它的电子眼完成的。科学家们首先向它出示一串数字和字母,Spaun读取这些字符后,将它们储存在存储器里。随后,科学家向Spaun出示另一个字母或符号来告诉它该如何处理内存中的信息。最后,Spaun会使用它的机械臂来完成相应的动作。

Spaun是完全模拟大脑的架构构建而成的

Spaun是完全模拟大脑的架构构建而成的

Spaun的“大脑”用250万只神经元组成。这些神经元被分割成大脑中的不同系统,如上图所示,其中包括前额皮质(VLPFC、DLPFC、OFC部分)、基底核(basal ganglia)和丘脑(thalamus)。这些系统严格按照真正大脑中的结构构建而成。科学家们想让这些系统像真正的大脑一样运作:丘脑负责处理视觉信号,随后将数据储存在神经元中;紧接着,基底核会发出一项指令来调用皮质中的某一区域来完成某一项特定的任务。

所有的运算都是严格按照生理学原理进行的,其中既有脉冲电压,也有神经递质。就连人类大脑的局限性都被准确的模拟了出来,比如在下面的这段视频中,Spaun正在拼命地将几个数字保存在它的短期记忆中。

 

这些设计最终达到的成果是一只不算太复杂(250万个神经元并不是什么大数字,我们之前介绍的 IBM“Compass”人脑模拟计划 已经模拟出了5300亿个神经元)但却十分灵活的“大脑”。通过执行几个非常基本的任务,我们可以了解更复杂的行为是怎么形成的。它向我们展示了大脑是如何演化的:先是从最简单的任务开始,然后在这基础上将简单任务组合在一起来形成更复杂的功能。

在下面的这段视频中,Spaun识别出了一串数列中的规律,而这样的问题通常会出现在智商测试中。

将来,这支研究团队准备赋予Spaun更强的可塑性。一旦拥有了这样的能力,Spaun就可以通过执行任务来重构它的神经元,并学习事先编写好的程序中所没有的新能力。关于他的终极目标,Eliasmith表示他对Spaun的前景感到非常兴奋。他在PopSci的一篇采访中说:“Spaun可以帮助我们了解大脑的生物基质和它的行为是怎样联系起来的。这对许多医学应用都至关重要。”在测试中,他曾经“杀死”一些人造神经元来观察整个模拟大脑的能力是如何降低的。这样的实验为进一步了解大脑的自然老化和退化性神经失调提供了新的线索。

Spaun是在一套用来构建虚拟神经系统的开源图形软件包Nengo上打造而成的。如果你想自己模拟出一只大脑,你可以戳 这里 下载Spaun的神经模型,不过,你家电脑的处理能力可能不太够,想要让这个模型完整运行,你的电脑至少得有24GB的内存,如果用一颗主频2.5GHz的四核处理器运行这个模型,你大概需要3小时才能模拟出Spaun 1秒的运行情况。

 

IBM发明世界首个人造神经元,AI的硬件基石已完成

IBM发明世界首个人造神经元,AI的硬件基石已完成

图片来源:IBM

编者按: 从AlphaGo击败李世石,宣布超级计算机攻克了围棋这一穷举法不可能征服的领域后,人工智能(AI)又成了所有人最热门的话题之一。

对于不少该领域的科学家而言,人工智能的终极目标之一就是用机器实现人脑的全部功能,而作为人脑的最小细胞单位——神经元,可能会是一个最好的入手点。

美国当地时间8月3日,IBM官方宣布了他们的最新成果—— 首个人造神经元,可用于制造高密度、低功耗的认知学习芯片。

IBM苏黎世研究中心制成了世界上第一个人造纳米尺度随机相变神经元。IBM已经构建了由500个该神经元组成的阵列,并让该阵列 模拟人类大脑的工作方式进行信号处理。

该技术突破具有重要意义,因为相变神经元具有传统材料制成的神经元无法匹敌的特性——其尺寸能小到纳米量级。此外,它的 信号传输速度很快,功耗很低 。更重要的是, 相变神经元是随机的 ,这意味着在相同的输入信号下,多个相变神经元的输出会有轻微的不同, 而这正是生物神经元的特性。

IBM发明世界首个人造神经元,AI的硬件基石已完成

人造神经元论文的第一作者:托马斯·图玛(Tomas Tuma)

IBM相变神经元由输入端(类似生物神经元的树突)、神经薄膜(类似生物神经元的双分子层)、信号发生器(类似生物神经元的神经细胞主体)和输出端(类似生物神经元的轴突)组成。信号发生器和输入端之间还有反馈回路以增强某些类型的输入信号。

IBM发明世界首个人造神经元,AI的硬件基石已完成

人造神经元研发团队,图片来源:IBM

神经薄膜是整个神经元的关键。在生物神经细胞中,起神经薄膜作用的是一层液态薄膜,它的物理机理类似于电阻和电容:它阻止电流直接通过,但同时又在吸收能量。当能量吸收到一定程度,它就向外发射自己产生的信号。这信号沿着轴突传导,被其他神经元接收。然后再重复这一过程。

在IBM制造的神经元中,液态薄膜被一小片神经薄膜取代。神经薄膜是由 锗锑碲复合材料 (也称GST材料)制成的,该材料也是可重写蓝光光盘的主要功能材料。锗锑碲复合材料是一种相变材料,即它可以以两种状态存在: 晶体态和无定形态 。通过激光或电流提供能量,两种状态之间可以互相转变。在不同状态下,相变材料的物理特性截然不同: 锗锑碲复合材料在无定形态下不导电,而在晶体态下导电。

在人工神经元中,锗锑碲薄膜起初是无定形态的。随着信号的到达,薄膜逐渐变成结晶态,即逐渐变得导电。最终,电流通过薄膜,制造一个信号,并通过该神经元的输出端发射出去。在一定的时间后,锗锑碲薄膜恢复为无定形态。这个过程周而复始。

IBM发明世界首个人造神经元,AI的硬件基石已完成

生物神经元与人造神经元对比图,图片来源:IBM

由于生物体内各种噪声的存在,生物神经元是随机的(Stochastic)。IBM研究人员表示,人工神经元同样表现出了随机特性,因为神经元的薄膜在每次复位后,其状态有轻微的不同,因此随后的晶态化过程略有不同。因此,科学家无法确切地知道每次人工神经元会发射什么信号。

那么人工神经元到底有何意义?

首先,人工神经元采用了成熟的材料,历经几十亿次工作而不损坏(寿命长),体积极小( 有报道说是90纳米,但从下图中看应该在300纳米左右,而论文中表示未来有望达到14纳米 )。因此,这是一种性能非常棒的器件。

IBM发明世界首个人造神经元,AI的硬件基石已完成

人工神经元网络。图中的银色方块是放大后的相变神经元,该神经元网络还没有配备工业标准的输入输出接口。图片来源:IBM

其次, 人工神经元跟生物神经元的工作方式非常类似 。当大批人工神经元组成并行计算机后,它也许可以和人类一样进行决策和处理感官信息。IBM表示,他们的人工神经元技术和目前发展中的另外一种人工神经元器件——忆阻器互为补充。

目前,IBM制造了10乘10的神经元阵列,将5个小阵列组合成一个500神经元的大阵列,该阵列可以用类似人类大脑的工作方式进行信号处理。事实上,人工神经元已经表现出和人类神经元一样的“集体编码”特性。此外,它的信号处理能力已经超过了 奈奎斯特-香农采样定理规定的极限。

编者注:集体编码:每个神经元有2种状态,可以表示1比特信息,那么N个神经元就可以表示2N比特信息。神经元数量足够多时,能表示的信息量将极其惊人。

IBM研究人员计划构建包含几千个相变神经元的单一芯片,并编写能充分利用相变神经元芯片随机特性的软件。