分类： 赛博朋克

我们的宇宙可能是一个巨大的神经元网络

科学家最近指出，宇宙的物理结构与大脑的结构相似。 以怀疑论闻名的理论物理学家萨宾·霍森菲尔德 (Sabine Hossenfelder) 于 2022 年 8 月在《时代》杂志上发表了一篇题为“也许宇宙会思考”的文章。文章“听我说完”描述了相似之处。宇宙是按照 分层的、高度互连的方式，类似于我们的神经系统。 据估计，预计可探测到2000亿个星系。 它们不是随机分布的，而是通过重力聚集成簇。 然后这些星团形成更大的星团，并通过“银河线”或长而细的线连接起来。 由这些细丝和簇形成的“宇宙网”看起来与“连接组”惊人地相似，“连接组”是一个用于描述大脑完整接线图的术语，由突触连接和神经元形成。 大脑的神经元也会形成簇，然后再组合成更大的簇。 它们通过称为轴突的细丝连接，轴突在整个认知系统中携带电信号。

霍森菲尔德说，宇宙网和连接组之间的这种相似性不仅仅是表面上的。 他们引用了一位物理学家和神经科学家进行的一项研究，分析了这两种结构的共同特征，并根据它们共同的数学特性得出结论，这两种结构“非常相似”。霍森菲尔德推测宇宙甚至可能在思考。

来源和详细信息：
https://bigthink.com/hard-science/the-universe-may-be-a-giant-neural-network-heres-why/

Ben Goertzel – 2021 年 SNET 生态系统反思和 AGI 之路
Ben Goertzel 博士就我们在 2021 年底或年初的情况发表了自己的看法——回顾 AGI 取得的进展以及对未来的展望。 他还分享了生态系统的最新动态。

SingularityNET 社区很重要
–

SingularityNET 是一个去中心化的人工智能市场，是一个开源平台。 借助由去中心化协议支持的全栈人工智能，我们的目标是创建一个全球大脑。

我们汇集了机器学习和区块链技术领域的顶尖人才，以实现人工智能技术的民主化。 现在任何人都可以利用人工智能代理、服务和算法的全球网络。

网站：https://singularitynet.io。
论坛：https://community.singularitynet.io。
电报：https://t.me/singularitynet。
推特：https://twitter.com/singularity_net。
脸书：https://facebook.com/singularitynet.io。
Instagram：https://instagram.com/singularitynet.io。
Github：https://github.com/singnet。
领英：https://www.linkedin.com/company/singularitynet

来源和详细信息：

神经形态计算：一盏灯照耀着它

人工智能、ChatGPT、机器学习和其他流行语对公众来说可能是新鲜的，但创造一台能够充当大脑和神经系统（硬件和软件）的计算机的挑战已经持续了几十年。 匹兹堡大学的工程师正在探索可用于开发神经形态计算的光学“忆阻器”可能成为关键的可能性。

忆阻器或具有记忆功能的电阻器已经证明了它们在电子设备中的多功能性。 它们用作神经形态计算的电路元件，以及用于高密度存储的紧凑存储元件。 它们独特的设计打开了内存计算机系统的大门，并引起了科学家和工程师的极大兴趣。

发表在《自然光子学》上的文章“集成光学忆阻器”揭示了这项技术的发展以及要充分发挥其潜力还需要做的工作。

来源和详细信息：
https://phys.org/news/2023-06-optical-memristors-neuromorphic.html

宗教的未来 ChatGPT 为数百人举办教堂服务

人工智能不断开辟新天地。 最近，数百名信徒参加了德国巴伐利亚州菲尔特圣保罗教堂的一场完全由人工智能主持的仪式。 讲道由人工智能聊天机器人 ChatGPT 主持。

在服务开始前一小时，这座 19 世纪的新哥特式建筑外就排起了长队，想看看人工智能能做什么。

聊天机器人的布道重点是放弃过去、活在当下、不害怕死亡以及相信耶稣基督等主题。 四个不同的人工智能化身主持仪式并发表布道。

来源和详细信息：
https://www.wionews.com/trending/future-of-religion-hundreds-attend-church-service-conducted-by-chatgpt-603362

意念控制机器人已成为现实

澳大利亚陆军士兵最近使用 Ghost Robotics 四重机器人展示了这项技术。 照片由澳大利亚陆军提供。 #石墨烯

这项能够读心的新技术对航空航天、先进制造和医疗保健领域产生了积极影响。

悉尼科技大学的研究人员开发了一种生物传感器，可以让你通过简单的思考来控制机器人或机器等设备。

澳大利亚陆军和国防创新中心与悉尼科技大学工程与信息技术学院的杰出教授 Chin Teng Lin 和 Francesca Iacopi 教授一起开发了先进的脑机交互技术。

来源和详细信息：
https://www.uts.edu.au/news/tech-design/mind-control-robots-reality

用于控制自主机器人的基于人工智能的新方法
汤姆·克鲁斯饰演的特立独行者的任务是教导年轻飞行员如何完成看似不可能的任务。 他们必须将喷气式飞机飞入峡谷深处，以免被雷达探测到，然后以陡峭的角度爬出以避开峡谷的墙壁。 剧透警告！ 在马弗里克的帮助下，人类飞行员完成了他们的任务。

然而，机器很难完成同样的任务。 例如，对于自动驾驶飞机来说，到达目标的最简单路径可能与它为避免与峡谷壁碰撞或不被发现而需要做的事情发生冲突。 稳定-避免冲突是许多人工智能方法的一个主要问题。 他们无法解决这个问题并安全地实现目标。

麻省理工学院的研究人员开发了一种比任何其他方法都能更好地解决复杂的稳定避免问题的技术。 机器学习方法在安全性方面匹配或超过现有方法，同时稳定性提高了 10 倍。 这意味着代理能够到达目标区域并在目标区域内保持稳定。

来源和详细信息：
https://techxplore.com/news/2023-06-ai-based-approach-autonomous-robots.html

一项研究表明，除非通过机器人与现实世界连接，否则人工智能不太可能实现类似人类的认知

根据谢菲尔德大学的研究，在人工智能中实现类人认知的最佳方式是通过机器人将人工智能系统与现实世界连接起来，并利用进化原理进行设计。

托尼·普雷斯科特教授、斯图尔特·威尔逊博士和加州大学伯克利分校计算机科学系在最近的一篇论文中写道，人工智能系统即使没有实体，也无法模仿真实的大脑功能，无论它们如何 他们的神经网络或训练它们的数据集可能有多大。

目前的人工智能系统（例如 ChatGPT）使用大型神经网络来解决复杂的问题，例如生成可理解的书面文本。 这些网络训练人工智能使用受大脑启发的方法处理数据，并从错误中学习以变得更加准确。

来源和详细信息：
https://techxplore.com/news/2023-06-ai-gain-human-like-cognition-real.html

Nvidia 和 Hexagon 联手改造工业应用的数字孪生

您错过了 GamesBeat 峰会吗？ 不用担心！ 您现在可以观看所有虚拟和现场会议。

Hexagon 是一家北欧数字现实公司，与 Nvidia 合作，让工业数字孪生实时捕获数据。

数字孪生是现实世界设计（例如建筑物或工厂）的数字副本。 此次合作旨在将现实捕捉、人工智能、模拟和可视化结合起来，以便提供与现实世界模型的实时比较。

来源和详细信息：

Nvidia teams with Hexagon to transform industrial digital twins