DeepMind 研發出類腦 AI 神經元，具備超強空間導航能力

作者 | DavidZh

出品 | AI 科技大本營（公眾號ID：rgznai100）

Google 旗下人工智慧公司 DeepMind 的研究人員最近在《自然》雜誌上發表論文，宣布同倫敦大學學院的神經生理學家合作，研發出了能夠模擬哺乳動物大腦中網格細胞（Grid Cells）工作模式的 AI 神經元。

在模擬環境中，這些 AI 神經元在人為設置的迷宮中顯示出超強的導航能力，甚至還能繞過障礙「抄小路」。

這是繼 DeepMind 研發出超過人類圍棋水平的 AlphaGo 和 AlphaGo Zero 之後，在空間定位與認知導航領域取得接近哺乳動物的水平。

自從進化論被提出以來，包括人類在內的哺乳動物所具備的空間定位和繞過障礙物能力，一直優於其它動物。但腦神經科學家對這背後的具體工作原理並沒有徹底搞清楚。

早在上世紀六十年代，倫敦大學學院（UCL）的認知神經學教授 John O』Keefe 就開始研究這個課題，並於 1971 年在人腦海馬回中發現了位置細胞（Place Cells）。這是一種錐體神經元，當動物進入到某個環境的特定位置時，位置細胞會釋放電化學信號，導致相鄰區域變得活躍。一般認為，是這種細胞活動導致了動物對空間位置的記憶。但位置細胞也並非全能，它不可以記錄坐標，也不具備幾何計算能力，因此無法完整解釋哺乳動物的空間定位能力。

後來，又有科學家發現了能夠感應動物頭部前進方向的方向細胞。

到了 2005 年，挪威大學的 May-Britt Moser 和 Edvard Moser 夫婦共同在大鼠內嗅皮層發現了網格細胞（Grid Cells）。這種細胞在大鼠進行空間活動時，可以將整個空間環境劃分成六邊形的蜂窩狀網格網路，就好像地圖中通用的經緯度一樣。相當於大鼠對空間建立了坐標系，從而用於定位。

這個重要發現讓兩位夫婦和 John O』Keefe 教授一起獲得了 2014 年的諾貝爾生理學或醫學獎。

但是，網格細胞的具體功能和工作模式仍然需要驗證。有科學家猜測，網格細胞可能參與了大腦中的矢量計算，從而幫助規劃路徑。

在 DeepMind 團隊的幫助下，研究人員先利用循環神經網路（RNN）在虛擬空間模擬大鼠在附近覓食時的移動路徑、速度和方向，以此生成數據來訓練演算法。但其中並不包括網格細胞相關的數據。

接著，科學家使用生成的數據訓練更加複雜的深度學習模型，來識別和感知虛擬大鼠所在的位置。神奇的現象發生了，這個利用人工智慧模擬的「網格單元」與實驗用大鼠的「網格細胞」出現了高度相似的反應模式，虛擬大鼠也跟實驗室里的真實大鼠的循跡能力相近。

這意味著，網格細胞在真實大鼠的空間和路徑規劃活動中確實起作用，而且呈現出可被驗證的規律性。研究人員可以利用 AI 模擬系統，增加學習所需要的記憶和獎勵機制。經過重複訓練，模擬大鼠的尋路技能變得越來越熟練。

另外，在 AI 中還可以徹底關閉「網格單元」，讓模擬大鼠僅依靠位置和方向細胞來定位和尋路，結果證明模擬大鼠無法完成走出迷宮的任務。需要指出的是，徹底關閉「網格細胞」在真實大鼠身上是無法做到的。

DeepMind 的研究人員、同時也是本論文的共同作者 Andrea Banino 解釋說，儘管 DeepMind 通過與神經科學家合作，實現了新的人工智慧突破，但整個 AI 演算法還停留在很基礎的研究階段，並不能真正導入應用進而產生研究結果。

從宏觀角度講，深度學習演算法模型的不可解釋性從根本上限制了這次 AI 突破的影響力。它所模擬的各種細胞仍然缺乏一個合乎邏輯並且可被重複驗證的系統解釋。

但無論如何，AI 在神經和腦科學研究領域的運用還大有潛力可挖掘。

參考資料：

http://www.wired.co.uk/article/deepmind-newest-network-mimics-the-gps-cells-in-your-brain

http://www.scholarpedia.org/article/Grid_cells

https://www.ft.com/content/3d0f3f92-5377-11e8-b24e-cad6aa67e23e

AI科技大本營

公眾號ID：rgznai100

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！