欢迎光临
我们一直在努力

DeepMind新论文:人工智能像哺乳动物那样走近路

一手发明史上最强围棋人工智能AlphaGo的DeepMind团队,又教会了人工智能在迷宫中“抄近路”。

北京时间5月10日清晨1时,该英国团队在国际尖端学术杂志《自然》上宣布论文称,其最新研宣布的一个人工智能程序具有相似哺乳动物相同的寻路才能,非常相似大脑中网格细胞的作业原理。

奥秘的网格细胞:大脑内置GPS

从家出发到新的地址,再原路回来,从中挑选尽可能的捷径,这是绝大多数动物都能担任的简单使命。但是,大脑这种天性的导航机制尚未被彻底了解。

科学家们在动物和人类大脑中找到了三种跟认路相关的细胞,分别是方位细胞、方向细胞和网格细胞。

方位细胞能在主体到达特定地址时放电,然后赋予对过往地址的回忆;方向细胞能感应行进的方向;网格细胞则是最奥秘的一种:它们能将整个空间环境划分红蜂窝状的六边形网格,似乎地图上的坐标系。

发现网格细胞的的莫索尔夫妇因而获得了2014年的诺贝尔生理学或医学奖。不过,网格细胞仅仅是在空间环境中供给GPS定位效劳吗?一些科学家猜测,它们也会参与矢量核算,辅佐动物规划途径。

人工神经网络中主动呈现相似结构

DeepMind团队决议用人工神经网络查验上述猜测。人工神经网络是一种使用多层处理模拟大脑神经网络的运算结构。团队首先用深度学习算法练习神经网络学习哺乳动物的寻食运动途径,使用线速度、角速度等信号在视觉环境中进行定位。

研究人员随后发现,一种相似于网格细胞活动特征的结构主动诞生了!在此前的练习中,研究人员并未刻意引导神经网络发生此种结构。

人工神经网络中主动呈现了与大鼠网格细胞(下)相似的网格结构(上) 图片来历:DeepMind官方博客

人工神经网络中主动呈现了与大鼠网格细胞(下)相似的网格结构(上) 图片来历:DeepMind官方博客  这再次显示了深度学习的可喜又可畏之处:这是一种经过很多匹配的输入和输出值练习机器自我摸索的算法,最终得到的机器逻辑是不为人知的黑匣子。正如AlphaGo主动领会了人类千年棋史上从所未见的“天外飞仙”棋招,这次的神经网络也主动呈现了令人惊喜的结构。

迷宫寻路

DeepMind团队随后使用强化学习查验这种网格结构是否可以进行矢量导航。强化学习被普遍用于练习游戏AI,人类告诉AI一种游戏的得分奖惩机制,但却不教授游戏办法,由AI在重复进行游戏、努力争取更高分的过程中自我进化。后期的AlphaGo就彻底抛弃了人类棋谱经验,在纯粹的自我对弈中从零进化到更强版别。

研究人员将之前主动呈现的网格结构与一个更大型的神经网络架构结合成了人工智能体,置于虚拟现实的游戏环境中。阅历强化学习后,该人工智能在游戏迷宫中向目的地行进的导航才能超越了一般人,达到了工作游戏玩家水平。它能像哺乳动物相同寻觅新路线和抄近路。

人工智能学习在迷宫中抄近路

人工智能学习在迷宫中抄近路

  最要害的是,当研究人员“静默”本来的网格结构后,人工智能体的导航才能就会变弱,判别方针的间隔和方向都更不精确了。

论文作者之一Dharshan Kumaran说道:“咱们证明了网格细胞远不只是给咱们供给GPS定位信号,也是一种大脑赖以核算两个地址间的最短间隔的中心导航机制。”

用人工智能替代小白鼠做试验

与一向强调“人工智能不是仿生学”的Facebook人工智能首席科学家杨立昆(Yann Lecun)不同,天才创始人戴密斯·哈萨比斯(Demis Hassabis)掌握的DeepMind热心探究人工智能与脑科学的相得益彰。这项研究再一次表现了他们的科学理念:脑科学启发下的人工智能算法能反过来协助人类探究大脑运行机制,然后也更好地舆解人工智能的内涵逻辑。

哈萨比斯点评道:“咱们信任人工智能和神经科学是相互启发的。这项作业就是很好的证明:经过研宣布一个能在杂乱环境中导航的人工智能体,咱们对网格细胞在哺乳动物导航中的重要性有了更深的了解。”

DeepMind团队信任,相似的研究办法还可以用来探究大脑听觉和控制四肢的机制。在更远的将来,神经科学家们乃至可以用人工智能替代小白鼠来做试验。

赞(0) 打赏
未经允许不得转载:IT新闻网 » DeepMind新论文:人工智能像哺乳动物那样走近路
分享到: 更多 (0)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏