Artificial intelligence 人脑模拟的开源软件

是否有任何开源软件试图实现和模拟人脑（例如智能和感觉）

您可以看看：

Cyc是一种人工智能 试图组装一个组件的项目 综合本体与知识 日常常识的基础 知识，目标是 人工智能应用程序执行类似人类的操作 推理。该项目于年启动 1984年由MCC的Douglas Lenat撰写，现为 由Cycorp公司开发。部分 该项目以OpenCyc的形式发布， 它提供了一个API，RDF端点， 并在开放源代码下进行数据转储 执照

---

不完全是大脑，而是人工智能的一个重要组成部分。

我们对大脑如何工作的了解不够，无法尝试以一种有原则的方式去做你所说的事情。（也就是说，任何类似的东西都是“胡乱猜测”。）所以这不是一个真正的软件问题——如果我们知道该写什么，也许会是，但现在我们不知道

---

然而，您可能对一种更具生物性的方法感兴趣，或者对一些机器学习项目感兴趣，如。在中可能会发现一种不太有用但更具对话性的方法，但我不推荐任何有用的方法。

使用大脑超过50年，这是我最不愿意选择的人工智能建模方法。众所周知，大脑是不可靠和武断的，并且隐藏着偏见，这可能需要几年的时间才能解决

我在学校里参加的大多数人工智能讲座都是教授们做的，他们多年来一直在追求“强人工智能”的梦想，并最终意识到，如果他们几乎无法理解人脑和大脑的功能（以及这些功能背后的理论有时几乎每天都在变化），他们怎么可能希望人工模拟它呢？他们中的大多数人都听命于人工智能领域，这些领域的问题定义更加明确：寻路、SAT解决应用、图像处理、国际象棋获胜、对话等等。。。但他们已经放弃了真正的通用“思维机器”

我的建议是调查您感兴趣的特定问题（如寻路；SAT解算器的应用，如诊断系统等），并了解采用了哪些AI方法来解决这些问题。也许你感兴趣的问题在人工智能解决方案方面没有太多。在这种情况下，你可以开始一个新的！；）

---

…但是如果你不想被淹没，你可能不得不把它缩小到一个特定的问题类别——至少在一开始是这样。

你要找的领域是。特别是像遗传算法或遗传编程这样的进化算法。我所知道的一个专门用来模仿人脑的算法是我读到的层次时间记忆。但这是一个非常困难的问题，我们离以任何有意义的方式模拟人脑还有几年的时间。

有一个计算机科学领域称为有机计算。这项工作的一些目标如下

自组织

自我配置 （自动配置）

自我优化（自动） 优化）

自愈

自我保护（自动计算机） （保安）

自我解释

语境意识

---

我所知道的最接近这一点的可能是。虽然与人脑无关，但它似乎确实在努力实现AI类型的框架

Watchmaker框架是一个 可扩展、高性能、， 面向对象的软件开发框架 实现平台无关 进化/遗传算法在遗传算法中的应用 爪哇

---

（这本书的作者）创办了一家公司，名为。他提出了一个关于人脑如何工作的理论：HTM。Numenta开发了一个名为（现在是开源的）的软件库，它实现了与这一理论相关的几种算法。

有一些算法可以模拟人脑。它们被称为人工神经网络（ANN）。他们基本上是对突触进行建模，并试图对我们的突触接受信号的方式进行建模，如果组合的信号输入足够强，他们会沿着树突向其他突触发射自己的信号

问题是，建立人工神经网络作为一种试图模拟真实事物的方法，很像用核武器模拟太阳；当然，它会给你一些有价值的数据，但是，就其模拟能力而言，它远远不够

我对这里的相对刻度不是100%肯定的，但是为了给出一个好的想法，考虑下面的（这肯定会减少几个数量级……但是它已经接近了为什么ANNs不为我们管理世界）：

---

如果你把地球上的每一台计算机都拿来，让它们使用每一种可用的资源来创建最大的人工神经网络，然后将所有不同的人工神经网络相互连接（从而创建一个更大的人工神经网络）你可能开始接近人脑中存在的连接数量。

神经网络正在出现，但上次我研究它们时，没有简单的方法为复杂的现实任务设计它们。设计过程似乎更多的是反复试验。部分原因可能是，尽管你应该从一组训练数据中训练它们，但初始权重集通常是随机的。是的，神经网络很难处理。当我在大学里学习他们的时候，有人给我讲了一个故事。这可能不是真的，但它概述了神经网络的另一个问题：训练集的选择。这个故事涉及到一个耗资巨大的政府项目，该项目旨在训练神经网络，以确定图像中是否存在坦克。它在训练数据上工作得很好，但在测试数据上却失败得很惨。验尸报告显示在训练图像中