现在AI完成某项任务已经不是什么新鲜事了。毕竟在工业、医疗、农业等诸多方面都大放异彩。最近，机器人的大脑得到了不断的开发。他们不仅开始有好奇心驱使自学，还要向人们解释为什么做出某些决定？机器人的发展将迎来质的飞跃。“我们需要质疑为什么算法程序会做出这样那样的决定。如果我们不花时间在AI动机解释上，我们就不能相信这个智能系统。”卡内基梅隆大学计算机科学教授ManuelaVeloso说。据了解，创业公司OptimizingMind发明了一种可以观察智能机器决策过程的技术。 该算法的目的是创建代表机器学习如何做出预期的“透明访问”系统。OptimizingMind负责人TsviAchler表示：“该系统基于人脑的神经模型，可以将任何深度网络转换为系统的模型。其目的是探索AI行为的潜在预期，找出AI的思维模式。哪个方面对决策的影响最大”。“我感兴趣的是，大脑和计算机有什么共同点？为什么人脑在学习后可以解释任何模型。如果我说‘章鱼’，你能告诉我那是什么吗？如果我问一只章鱼，触手做什么？长得像，可以告诉我吗？”当然，人工智能与人脑的一个主要区别是我们可以通过条件反射自主学习，而人工智能需要一系列的程序输入，它可以触发全身。这种灵活性和自主性对于人工智能来说具有巨大的突破潜力。另外，这套系统的“透明接入”也很酷。该系统提供了一种实时观察人工智能决策的方法，节省了大量捕获关键信息的时间。可以大大减少工程师开发机器的时间，帮助企业节约资源。Achler还表示，除了提供透明度外，还可以修改算法。不仅可以表达期望，而且每个人的期望都可以随着新信息而立即改变。今天，大多数机器学习方法都使用正反馈技术。风险投资公司Naiss.io的联合创始人埃德·费尔南德斯(EdFernandez)说，正反馈使用优化的权重来执行任务。在正反馈系统中，唯一性信息根据训练期间的频率输入权重。这意味着必须优化整个训练集中的权重。这反过来意味着可以“根据被识别的模式进行优化”，这不是针对权重进行优化，而是针对模式识别进行优化。在机器人和商业越来越紧密结合的今天，更智能、更细分的机器人成为了当下的必需品。如果我们能够在机器人的动力上取得突破，那么未来我们所看到的将不再是无关紧要的答案之王，也不再是单臂行走世界的低能机器人，而是机器人那是巧妙的，能够纠正错误。
