當AI變成小白鼠

美國時間5月9日，打造出Alpha Go 的DeepMind又出大新聞了，他們在《Nature》上發表了一篇論文（注1），稱其用神經網路技術實現了AI尋路。

他們的研究依據來自2014年獲得諾貝爾生理學或醫學獎的莫索爾夫婦發現的網格細胞（動物體內一種定位細胞），並決定驗證網格細胞是否能幫助動物的尋路能力的這個猜想。

他們使用人工神經網路檢驗了這個猜想，他們教深度神經網路學習動物是如何覓食的，如何用視覺進行定位，然後就發現了這個結構具備了網格細胞活動特徵。

雖然他們並沒有刻意引導這樣的結構產生，但是這個短期內產生的結果卻和大自然千萬年的自然選擇一致。

然後他們將這個結構同一個大型的神經網路架構合成了人工智慧體。強化後的人工智慧體在遊戲迷宮中的能力達到了職業玩家水平，能夠像小白鼠一樣尋找新路線和抄近路。總感覺這個「小白鼠」在玩移動迷宮（笑）。

而沒有網格單元的人工智慧體則明顯弱於前者。

計算機的發展目前正加速向自然演化靠近，而無論科學中取得什麼樣的成就，最後又會大大發展人類世界的生產力。

但是同時我們也要認識到，我們想要訓練出來的不是野蠻的怪獸，而是具有實際價值的幫手，在這一方面，這個「小白鼠」和其他深度學習系統並沒有太大差別。

人工智慧領域目前的最大挑戰就是深度學習的可解釋性。

沒有可解釋性的人工智慧可能是人類親手製造出來的外星生物，而可解釋性是否必須要能從這個層面揭示也未得而知，畢竟，大部分人都解釋不了為什麼蘋果嘗起來是甜的，這裡面的重點不是蘋果含有什麼成分，而是為什麼我們覺得甜。

不扯這些深奧的概念，我們單純來談一談這種技術的應用吧。

如果可以將這種模型以低功耗的方法更完美的運行，我們也許能夠在無法通信的災難現場靠搭載這個模型的機器人帶領受災人走出現場，我們能讓其他星球上的無人火星車自行判斷，在沒有人類指令的情況下，如何行走，如何找到回家的路。

把這個場景再縮小一點，我們帶回家一個機器人之後，也許他並不需要載入房間地圖，而是掃一眼就能知道究竟怎麼在這個家庭里活動。

我們為了做出一個像人類這麼美妙的「新生物」發揮了這麼大的力氣，這個上帝難度很大，我們必須承認，但我們更加要承認的是，對這個世界理解的越多，我們其實有著更多的暢想要去實現。

注1：Vector-based navigation using grid-like representations in artificial agents

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！