DeepMind 研发出类脑 AI 神经元,具备超强空间导航能力

作者 | DavidZh

出品 | AI 科技大本营

Google 旗下人工智能公司 DeepMind 的研究人员最近在《自然》杂志上发表论文,宣布同伦敦大学学院的神经生理学家合作,研发出了能够模拟哺乳动物大脑中网格细胞(Grid Cells)工作模式的 AI 神经元。

在模拟环境中,这些 AI 神经元在人为设置的迷宫中显示出超强的导航能力,甚至还能绕过障碍“抄小路”。

这是继 DeepMind 研发出超过人类围棋水平的 AlphaGo 和 AlphaGo Zero 之后,在空间定位与认知导航领域取得接近哺乳动物的水平。

自从进化论被提出以来,包括人类在内的哺乳动物所具备的空间定位和绕过障碍物能力,一直优于其它动物。但脑神经科学家对这背后的具体工作原理并没有彻底搞清楚。

早在上世纪六十年代,伦敦大学学院(UCL)的认知神经学教授 John O’Keefe 就开始研究这个课题,并于 1971 年在人脑海马回中发现了位置细胞(Place Cells)。这是一种锥体神经元,当动物进入到某个环境的特定位置时,位置细胞会释放电化学信号,导致相邻区域变得活跃。一般认为,是这种细胞活动导致了动物对空间位置的记忆。但位置细胞也并非全能,它不可以记录坐标,也不具备几何计算能力,因此无法完整解释哺乳动物的空间定位能力。

后来,又有科学家发现了能够感应动物头部前进方向的方向细胞。

到了 2005 年,挪威大学的 May-Britt Moser 和 Edvard Moser 夫妇共同在大鼠内嗅皮层发现了网格细胞(Grid Cells)。这种细胞在大鼠进行空间活动时,可以将整个空间环境划分成六边形的蜂窝状网格网络,就好像地图中通用的经纬度一样。相当于大鼠对空间建立了坐标系,从而用于定位。

这个重要发现让两位夫妇和 John O’Keefe 教授一起获得了 2014 年的诺贝尔生理学或医学奖。

但是,网格细胞的具体功能和工作模式仍然需要验证。有科学家猜测,网格细胞可能参与了大脑中的矢量计算,从而帮助规划路径。

在 DeepMind 团队的帮助下,研究人员先利用循环神经网络(RNN)在虚拟空间模拟大鼠在附近觅食时的移动路径、速度和方向,以此生成数据来训练算法。但其中并不包括网格细胞相关的数据。

接着,科学家使用生成的数据训练更加复杂的深度学习模型,来识别和感知虚拟大鼠所在的位置。神奇的现象发生了,这个利用人工智能模拟的“网格单元”与实验用大鼠的“网格细胞”出现了高度相似的反应模式,虚拟大鼠也跟实验室里的真实大鼠的循迹能力相近。

这意味着,网格细胞在真实大鼠的空间和路径规划活动中确实起作用,而且呈现出可被验证的规律性。研究人员可以利用 AI 模拟系统,增加学习所需要的记忆和奖励机制。经过重复训练,模拟大鼠的寻路技能变得越来越熟练。

另外,在 AI 中还可以彻底关闭“网格单元”,让模拟大鼠仅依靠位置和方向细胞来定位和寻路,结果证明模拟大鼠无法完成走出迷宫的任务。需要指出的是,彻底关闭“网格细胞”在真实大鼠身上是无法做到的。

DeepMind 的研究人员、同时也是本论文的共同作者 Andrea Banino 解释说,尽管 DeepMind 通过与神经科学家合作,实现了新的人工智能突破,但整个 AI 算法还停留在很基础的研究阶段,并不能真正导入应用进而产生研究结果。

从宏观角度讲,深度学习算法模型的不可解释性从根本上限制了这次 AI 突破的影响力。它所模拟的各种细胞仍然缺乏一个合乎逻辑并且可被重复验证的系统解释。

但无论如何,AI 在神经和脑科学研究领域的运用还大有潜力可挖掘。

参考资料: Nature:https://www.nature.com/articles/s41586-018-0102-6.epdf 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

原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2018-05-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏智慧建筑

人工智能

在智慧建筑项目中会接触到一些AI相关的功能。人脸识别是其中最常用的算法,基本是每个项目标配。今天就从人脸识别入手谈谈AI在实际项目中的使用情况。

2384
来自专栏CSDN技术头条

入行 AI,如何选个脚踏实地的岗位?

AI原本是一个专业领域,没什么特别的。作为码农一枚,笔者的工作内容正好在这个领域。

1233
来自专栏智能算法

机器视觉与计算机视觉的区别?

计算机视觉与机器视觉,首先是应用场景不一样,就像@Vinjn张静 回答的那样:你把摄像头对着人就是CV,对着车间就是MV。 计算机视觉和机器视觉应用场景不同,就...

54911
来自专栏AI科技评论

独家科普:谷歌“汉译英”错误率降低60%是怎样算出来的?

两天前谷歌宣布发布新一代神经网路机器翻译系统(Google Neural Machine Translation),简称GNMT,因为使用当前最先进的训练技术,...

3247
来自专栏AI研习社

「我的第一次数据科学家实习经历」

AI 研习社按:「数据科学家」可谓是近几年的一大热门职位,很多学习了数学、信息、计算机相关专业的同学都对它表示跃跃欲试。Admond Lee 学习了物理专业,...

802
来自专栏PPV课数据科学社区

一名合格的机器学习工程师需要具备的5项基本技能,你都get了吗?

你是否对机器学习充满兴趣呢?其实到目前为止,每天有越来越多的工程师开始将好奇的目光转向机器学习领域。实际上,你会发现现在没有哪一个领域比机器学习能引起更多的曝...

4139
来自专栏量子位

纯新手入门机器/深度学习自学指南(附一个月速成方案)

准备用三个月入门,和想要一个月速成,肯定是截然不同的路径。当然我建议大家稳扎稳打,至少可以拿出五个月的时间来学好机器学习的基础知识。

1091
来自专栏数据派THU

【独家】微软郑宇:大数据驱动智能城市讲座精华(附PPT)

[导读]本文整理自微软亚洲研究院“城市计算”领域负责人郑宇博士近期在清华大数据讲座上的分享内容。郑宇主持研发的Urban Air首次利用大数据来监测和预报细粒度...

3318
来自专栏AI研习社

为什么现在人工智能掀起热潮?

20世纪50年代,John McCarthy开创了Artificial Intelligence(简称AI)这个词,一下子就和Marvin Minsky一起,成...

1133
来自专栏新智元

谷歌DeepMind连续深度学习网络PNN,距人类水平AI又进一步

2016年10月18日, 世界人工智能大会技术分论坛,特设“新智元智库院长圆桌会议”,重量级研究院院长 7 剑下天山,汇集了中国人工智能产学研三界最豪华院长阵容...

3433

扫码关注云+社区

领取腾讯云代金券