Nature重磅：AI都會走捷徑了，你還好意思當個路痴嗎？

葯明康德/報道

對於人類和大多數動物來說，記住自己走過的路和去過的地方，並且尋找某兩個地點之間最近的路，是一件輕而易舉的事。而這事實上需要歸功於我們大腦中一種叫做網格細胞（grid cell）的神經元，可以讓大腦計算到達所需目的地的距離和方向，同時向周圍輸送電信號，幫助我們進行位置和路線的追蹤，並尋找最佳路線。然而，對於本身並不具備這一特徵的人工智慧來說，能否也做到這一點呢？

▲對人類來說，在迷宮中找到從入口到出口最近的路線，看上去是很輕而易舉的事情，然而背後的原理卻沒有那麼簡單（圖片來源：123RF）

今日，來自谷歌DeepMind公司和倫敦大學學院（University College London）的研究人員在《自然》上發表了一項研究：在訓練人工智慧在陌生的虛擬環境中進行模擬尋路和定位時，AI竟然可以像哺乳動物一樣尋找捷徑。這項研究也為理解人腦的運作提供了更多的見解。

在這項研究中，研究人員訓練了一個循環網路，通過使用與運動相關的速度信號，來完成在虛擬環境中的定位。在訓練過程中，研究人員發現，循環網路中自動形成了網格形狀的單元，其分布特徵與哺乳動物在完成同樣定位行為時的神經活動模式非常相似，從側面證明了哺乳動物大腦中的網格細胞在空間中的定位功能。

▲神經網路中形成的網格單元分布（上圖）與小鼠大腦中的網格細胞分布（下圖）模式非常相似（圖片來源：《Nature》）

為了證明網格細胞可以支持矢量尋路，研究人員將具有網格特徵的神經網路進一步拓展，形成了一個人工智慧模型。通過深度強化學習的方式，研究人員對該模型進行了訓練，讓它在虛擬現實遊戲環境中模擬矢量尋路行為。

AI的完成狀況出乎研究人員的意料，不僅展現了像哺乳動物一般的尋路能力，並且在出現新路線或捷徑時迅速發現並採用這些路線。這些表現甚至已經超出了一個專業遊戲玩家的水平。

▲左圖為只有一條路徑時AI模型選擇的線路，右圖中出現了多條到達終點的道路，而AI模型選擇了最近的一條線路（圖片來源：《Nature》）

「我們思考，記憶和感受的一切，都以某種方式編入了我們的大腦之中。為了理解這個過程，我們需要對神經元組開展研究，觀察其活動模式，並與我們的行為聯繫到一起。然而，這些研究很難直接在生物的大腦中進行，」該研究論文的作者之一、谷歌DeepMind公司的研究科學家Andrea Banino女士表示：「我們在這項研究中創建了一個人工智慧模型，它成功模擬了大腦中用於支持矢量尋路行為的重要特徵，這對於傳統的神經科學研究來說是非常困難的。因此，如果我們在未來能夠對人工智慧模型進行進一步的改進，就可以使用它來了解大腦的其他功能，這也將成為我們在神經科學領域的一個巨大的飛躍。」

研究人員表示可以使用類似的方法，來對大腦感知聲音或控制肢體的相關區域及理論進行驗證。未來，這種人工智慧神經網路可能會為科學家提供新型實驗方式，有助於提出新的理論，甚至可以取代目前在動物身上進行的某些實驗。

參考資料：

[1] Navigating with grid-like representations in artificial agents

[2] AI recreates activity patterns that brain cells use in navigation

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！