周三，斯坦福以人为中心的人工智能研究所(HAI)庆祝了五年的放猫活动，也就是引领了机器学习的负责任发展.
在HAI领导层乐观地介绍了设计增强人的系统而不是取代人的系统后，开幕式小组明确表示，人工智能将越来越多地得到我们对人类智能的理解.
HAI的目标是让人和社区保持在人工智能设计的中心，但以人为中心的人工智能也可以被视为对神经科学日益相关的认可.
简单地说，人脑的能效比硅基处理器高出几个数量级.
更不用说湿软件明显的智能优势以及推理和学习的能力了.
今天，斯坦福大学应用物理学副教授苏利亚·甘古利在HAI的五次会议上告诉科学家、学者和其他专家：“不幸的是，计算出错的地方是数字决定.
我们决定将信息存储在比特中，然后通过在复杂的晶体管电路中穿梭许多电子来进行存储和翻转.
”根据热力学定律，每一次快速可靠的钻头翻转都需要大量的能量消耗.
所以我们在计算的中间集合中花费了大量的能量.
“生物学是完全不同的.
最终的答案是足够好的，所有的中间集都很慢，噪音很大，而且不可靠.
但也不是不可靠，最终的答案不只是对所需的足够好……因此，我认为我们必须重新思考从电子到算法的整个技术堆栈，才能真正实现从兆瓦到瓦的转变.
“人工智能对能源的巨大且不断增长的需求是需要解决的关键问题.
其他效率低下的问题也是如此，比如机器学习相对于儿童的方式，这是一些小组参与者积极研究的领域.
Numenta的创始人杰夫·霍金斯认为，感官运动学习，而不是今天的人工智能，将是智能科学的核心，无论是人工智能还是自然智能.
为此，他宣布比尔和梅琳达·盖茨基金会资助了他的公司的千脑项目，这是一个旨在对人类大脑皮层进行反向工程的通用人工智能框架.
霍金斯说，开源代码将被公布.
霍金斯在加州大学的小组讨论中提供了一些保证，即人工智能和人类智能之间的相互作用不是关于控制论--人和机器的融合，他说，“机器和大脑的融合将非常困难，但更重要的是，我认为我们不想这样做.
”至少我不想这么做.
霍金斯承认，大脑的直接连接是有价值的用途--比如帮助瘫痪的人--霍金斯说，这类研究的重点应该是开发帮助人们的工具.
他说，我不认为我们都会有电缆从我们的脑袋里出来，但我可能错了.
甘古利认为，大脑的科学决定了机器学习技术的堆叠方式.
甘古利说，我认为秘诀是弄清楚这些设计原则是什么，并将它们应用到我们的人工智能系统中.
目前，我们只需增加层数，或许增加嵌入维度，就可以调整变压器的尺寸.
我们在这方面没有深厚的原则.“®.