DeepMind再爆重要科研成果！AI學會抄近路，展現強大方向識別能力

人工智慧程序具有類似哺乳動物一樣的尋路能力。

整理 | 微胖、張震

來源 | cnbeta、知識分子等

北京時間5月10日凌晨1時，該英國團隊在世界頂級學術雜誌《自然》上發表論文稱，其最新研發出的一個人工智慧程序具有類似哺乳動物一樣的尋路能力，非常類似大腦中網格細胞的工作原理。

從家出發到新的地點，再原路返回，從中選擇儘可能的捷徑，這是絕大多數動物都能勝任的簡單任務。然而，大腦這種本能的導航機制尚未被完全理解。

科學家們曾對這一機製做出了一些基礎研究和推測。

比如，他們在動物和人類大腦中找到了三種跟認路相關的細胞，分別是位置細胞、方向細胞和網格細胞。

其中，位置細胞能主要賦予對過往地點的記憶；方向細胞能感應前進的方向；而網格細胞是最神秘的一種：它們能將整個空間環境劃分成蜂窩狀的六邊形網格，彷彿地圖上的坐標系。

發現網格細胞的的莫索爾夫婦因此獲得了2014年的諾貝爾生理學或醫學獎。不過，網格細胞僅僅是在空間環境中提供GPS定位服務嗎？

一些科學家猜測，它們也會參與矢量計算，輔助動物規劃路徑。

於是，DeepMind決定利用人工智慧檢驗上述猜想。

研究首先模擬了大量草食性嚙齒類動物的移動軌跡，然後讓計算機去學習這些移動路線。

他們採用的技術主要是長短期記憶循環神經網路（Recurrent neural network with long short-term memory，LSTM），它能夠使計算機記住自己之前的位置、方向和速度，然後結合目前的位置和方向，來做下一步移動。

換句話說，DeepMind想讓計算機像兔子一樣思考自己的行走路線。

結果是，一種類似於網格細胞活動特徵的結構自動誕生了！在此前的訓練中，研究人員並未刻意引導神經網路產生此種結構。

隨後，團隊利用強化學習檢驗這種網格結構是否能夠進行矢量導航。

研究人員將之前自動出現的網格結構與一個更大型的神經網路架構結合成了人工智慧體，置於虛擬現實的遊戲環境中。

經歷強化學習後，該人工智慧在遊戲迷宮中向目的地前進的導航能力超越了一般人，達到了職業遊戲玩家水平。它能像哺乳動物一樣尋找新路線和抄近路！

抄近路

最關鍵的是，當研究人員靜默原來的網格結構後，人工智慧體的導航能力就會變弱，判斷目標的距離和方向都更不準確了。

論文作者之一Dharshan Kumaran說道：

我們證明了網格細胞遠不只是給我們提供GPS定位信號，也是一種大腦賴以計算兩個地點間的最短距離的核心導航機制。

哈薩比斯評價道：

我們相信人工智慧和神經科學是相互啟發的。這項工作就是很好的證明：通過研發出一個能在複雜環境中導航的人工智慧體，我們對網格細胞在哺乳動物導航中的重要性有了更深的理解。

網格細胞發現者Edvard Moser說：

這篇論文如同平地驚雷，讓大家異常的激動。 最為震驚的是，這個看似完全新鮮的計算模型，實際上卻是我們所熟知的生物鐘的網格模式。

約翰霍普金斯大學神經學家Francesco Savelli 和 James Knierim在同期Nature發表題為AI mimics brain codes for navigation的新聞，他們讚歎道：

有趣的是，網路從非常普通的計算假設開始，儘管這個計算假設沒有考慮到特定的生物機制，最後卻找到了與大腦相似的路徑集成解決方案。 網路在這樣一個解決方案上的融合無疑是一個很有說服力的證據，對於支持路徑集成的網格細胞的活動模式一定是有一些特別之處的。

杜克大學教授陳怡然老師博士生吳春鵬表示，論文中提到的兩個細節值得注意。

第一，如果神經網路的損失函數中不包括正則項，那麼神經網路無法表現出網格細胞功能。這一發現給了我們一個全新的角度去思考正則項的作用。

第二，論文指出深度神經網路的黑盒特點阻礙了進一步分析網格細胞活動特性對路徑整合的作用。這一點再次印證了當前研究神經網路可解釋性的必要。

英國帝國理工學院劉芳德博士稱，位置細胞和網格細胞的研究對人工智慧特別是機器人系統啟發很大。位置細胞其實是空間索引的資料庫，描述的是拓撲空間；而網格細胞是幾何計算器，描術的是歐氏空間。這種組織跟我們目前計算機科學中的技術完全不同，並有非常強的優勢。

DeepMind團隊相信，類似的研究方法還可以用來探索大腦聽覺和控制四肢的機制。在更遠的將來，神經科學家們甚至可以用人工智慧代替小白鼠來做實驗。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！