血清素

若說機器也有陷入低潮的時候，你相信嗎？從一個神經科學的角度觀察，某些神經傳導物質能改變大腦的學習方式，影響著生物的決策。那如果機器遇到了卡頓的狀況，是不是也有類似的方法能突破困境呢？在今日所見的機器模型中，「智慧」的意義也許是在預測和分類問題上能做得準確，畢竟機器的計算和記憶能力都比人類來得強大，但這真的代表智慧嗎？對人類來說，廣義的智慧應該是在不同情境下有獨立判斷與學習的能力，回顧過去幾年成果，很多AI模型仍必須在龐大資料庫中，輔以監督式學習（supervised learning）的架構方可獲得良好結果，這聽起來與期待中的智慧大相徑庭，畢竟一般人或動物並不需要在學習上付出這麼多心力。正當多數人關注著GPU的演算速度，追求模型的準確率時，也有人思考著如何讓機器面對不同任務時更通用化（generalized），且更有效率地學習。如此一來，正因需要從一些生物行為模式作為智慧的「典範」，許多科學家都將焦點轉移到神經生物學的研究上。.