QQ在線
企業(yè)微信
資訊
410
DeepMind 和哈佛大學(xué)的研究人員似乎是這么認為的——具體來說，研究人員制造了一個 AI 驅(qū)動的虛擬小白鼠來執(zhí)行多種復(fù)雜的任務(wù)。然后，他們再使用神經(jīng)科學(xué)技術(shù)來了解虛擬小白鼠的“大腦”是如何控制其運動的。
如今，最先進的人工智能由人工神經(jīng)網(wǎng)絡(luò)驅(qū)動，而人工神經(jīng)網(wǎng)絡(luò)是一種機器學(xué)習(xí)算法，由被稱為“神經(jīng)元”的組件連接而成。從某種程度上來說，這些“神經(jīng)元”組件受到了大腦結(jié)構(gòu)的啟發(fā)，盡管它們的運作方式截然不同，但越來越多的研究人員認為，將兩者相提并論，既能提高我們對神經(jīng)科學(xué)的理解，也能讓人工智能變得更智能。
據(jù)了解，基于上述觀點，研究人員已經(jīng)創(chuàng)建了一個 3D AI 小白鼠的模型，特殊的是，這個模型完全復(fù)刻了現(xiàn)實小白鼠的生物特征。在虛擬環(huán)境中，AI 小白鼠由其神經(jīng)網(wǎng)絡(luò)來控制。研究人員還表明，他們可以利用神經(jīng)科學(xué)技術(shù)來分析生物大腦活動，以了解神經(jīng)網(wǎng)絡(luò)如何控制老鼠的運動。
該研究報告的合著者、哈佛大學(xué)博士后研究員 Jesse Marshall 表示，通過讓研究人員用不同程度的虛擬生物來測試不同的神經(jīng)網(wǎng)絡(luò)，以觀察它們在應(yīng)對復(fù)雜挑戰(zhàn)方面的表現(xiàn)。他說道：
典型的神經(jīng)科學(xué)實驗探究的是動物大腦，這些動物只會做一些單一動作，比如敲擊杠桿，而大多數(shù)機器人都是為完成特定的任務(wù)而打造的，比如打掃房間。關(guān)于模擬小白鼠的研究是我們努力理解大腦如何實現(xiàn)靈活性的開始，并利用我們獲得的有用信息來設(shè)計具有類似能力的人工智能體。
這個 AI 小白鼠的肌肉和關(guān)節(jié)特征，以及視覺能力和本體感覺全都基于真實老鼠的測量數(shù)據(jù)。其中，本體感覺是指反饋系統(tǒng)，即告訴小白鼠自己的身體部位在哪里，以及這些部位是如何運動的。
隨后，研究人員訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)來指導(dǎo) AI 小白鼠完成任務(wù)，比如跳過溝壑，在迷宮中覓食，逃離丘陵環(huán)境，并精確觸摸到模擬物體。一旦 AI 小白鼠能夠成功完成任務(wù)，研究小組就會分析其神經(jīng)活動的記錄，利用從神經(jīng)科學(xué)技術(shù)來了解神經(jīng)網(wǎng)絡(luò)是如何實現(xiàn)運動控制的。
由于研究人員已經(jīng)建立了為模擬小白鼠提供動力的人工智能，所以，AI 小白鼠的許多行為是研究人員意料之中的。不過，有趣的是，在實驗中，神經(jīng)活動的發(fā)生時間似乎比直接控制肌肉和肢體運動的時間要長。
哈佛大學(xué)研究生 Diego Aldarondo 說：
這意味著，這個網(wǎng)絡(luò)反映了抽象尺度上的行為，比如奔跑、跳躍、旋轉(zhuǎn)和其他直觀的行為類別。這是一種先前被認為僅存在于動物身上的認知模型。
DeepMind 的高級研究科學(xué)家 Josh Merel 表示，目前，他們已經(jīng)對 AI 小白鼠進行了開源，希望其他研究人員能以此為基礎(chǔ)，去進行進一步的研究。
加拿大麥吉爾大學(xué)的神經(jīng)學(xué)家 Blake Richards 沒有參與這項研究。他認為，雖然神經(jīng)網(wǎng)絡(luò)不具備生理真實性，但它能夠捕捉到足夠多的神經(jīng)處理方式的重要特征，可以對神經(jīng)活動影響行為的結(jié)果做出有用的預(yù)測。這種訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法，更易于收集數(shù)據(jù)來與真實的生物數(shù)據(jù)進行比較。
他補充道，“這些虛擬大腦產(chǎn)生的數(shù)據(jù)或許比動物真實大腦產(chǎn)生的數(shù)據(jù)更有價值。”
加拿大皇后大學(xué)的神經(jīng)學(xué)家 Stephen Scott 表示，雖然人們必須謹慎對待在人工神經(jīng)網(wǎng)絡(luò)和生物神經(jīng)網(wǎng)絡(luò)之間進行過度比較，但這種方法可能是探索行為神經(jīng)基礎(chǔ)一種富有成效的方式。
