剑桥大学最新研究登Nature子刊，仿人脑神经人造大脑成AI新方向！

【新智元导读】根据剑桥大学最新的研究成果，人工智能模型与人类大脑的神经结构存在着一定的相似性，很有可能在未来对人工智能模型的设计起到决定性的作用。

人类大脑是这个星球上最复杂的智能载体，它以高能量效率产生智能。如果能够尽可能地模拟人类大脑的运作方式，那么人工智能的工作效率将会大幅度提升，能耗也会大幅度降低。

剑桥大学最近进行了这样一项研究，目的在于找出一种方法使人工智能系统能够复制人类的大脑。字面上来说，人工智能系统是自组织的，它会产生一系列人类大脑的特性，以及各种复杂的组织结构。

人工智能模拟脑

大家对大脑都很熟悉，它包含了大量的神经系统和组织。在有限的物理空间内，一切组织与系统都在争夺有限的能源与资源。

但想要和谐相处，就必须要有一个平衡。

这也是为什么不同种族的大脑结构会如此相似的原因，因为经过不断的优化与调整，每个人都会朝着相似的组织结构发展。这样的计划可以在各个方面实现平衡。

剑桥大学医学研究理事会认知和脑科组的盖茨学者 Jascha Achterberg说：“大脑不仅擅长于解决复杂问题，而且能以较小的能量解决复杂问题。”

剑桥大学最近的一项研究帮助我们了解了大脑为何会呈现出它的模样。其研究思路，是将解决问题的能力与最小的能量消耗结合起来，作为一个整体来考虑。

共同作者之一，也是加拿大医学研究中心的丹雅·阿卡卡博士，他补充道：“这是因为生物系统在进化过程中一般都是为了最大化利用现有能源。”他们发现的解决办法通常都很优美，反映出对他们所施加的各种压力的折衷。

这项发表在《自然机器智能》上的论文，正是阿奇特伯格，阿克卡以及其他研究人员共同开发的人工智能系统。它的核心，是一种类似于人类大脑的简化模型。

研究表明，这套人工智能系统，已经开发出了一些类似于人类大脑的关键特征，以及相应的发展模式。

人类的大脑中有很多神经元，但这个系统并没有真正意义上的神经元，它只是一个计算节点而已。但是，神经元与节点具有相同的功能，即接受输入，将输入转化为输出，并且一个节点或者神经元之间可能存在着多重联系，这并没有什么区别。

而且，所有的资料都是经过计算的。

接下来才是重头戏——科研小组设置的物理极限。

每一个节点都有自己的位置，如果两个节点相距太远，那么他们之间的交流就会变得更加困难。这和人类大脑中的神经元是一样的。

首先，研究者给这个系统布置了一项简单的任务，这是一项简单的迷宫导航任务，通常是老鼠和猕猴这样的动物在进行大脑研究的时候，参与者需要综合各种信息来确定一条最短的路径。

研究小组选择这个任务的原因之一，是因为要完成这个任务，系统必须要牢记一系列元素，包括开始地点，结束地点，以及中间阶段。

一旦系统学会了如何可靠地执行任务，研究者们就可以在实验的各个阶段观察哪些节点具有重要意义。

例如，某一特定的结点簇可能负责对迷宫区的终点进行编码，而其他结点簇则集中于对可用路径区域进行编码。

这样，研究者就能追踪到哪些节点在不同的任务阶段处于活跃状态，从而判断每个节点的功能是否不同。

一开始的时候，系统并不知道怎么走出迷宫，甚至还会犯错。

但当系统收到反馈信息时，它会在不断的自我学习中逐渐懂得如何更有效地完成任务。

具体来说，这个人工智能系统可以通过改变节点之间的联系来学习，就像是人脑在学习的时候，大脑的连接会发生变化一样。

在自主学习之后，它会不断重复这个任务，直到最后它能正确的完成所有的任务为止。

然而，在此基础上提出了一种物理上的约束，即当两个结点相距较远时，根据反馈信息很难在两个结点间建立联系。这一点同样适用于人类的大脑，想要建立起一条跨越遥远距离的联系并不容易，更别说维持和强化这种联系了。

当系统被要求在这样的约束条件下完成一项任务时，人工智能会用到和人脑一样的技术。

比方说，为了避开这些限制，人工智能将自发地开发枢纽，即高连通性的节点，在网络中充当信息传输通道。

更让人吃惊的是，每一个节点的反应特性都发生了改变，不再是为了完成一个特定的任务（比如确定目标地点、选择下一步），而是逐渐形成了一套灵活的编码机制。

这意味着节点可能会在不同的时间为迷宫提供不同的属性。

举个例子，同样的节点在迷宫中可以编码多个位置，但却不需要专门的节点来编码某个位置。这也是复杂生物脑的显著特征。

这项研究的共同作者之一，剑桥大学精神病学系的邓肯？阿斯德尔教授说，这一简单的局限性是针对复杂生物大脑的另外一个特点。

再加上一些简单的限制，例如上述所述，两个物理上相距遥远的节点很难连在一起，这就迫使人工智能系统产生了一些非常复杂的特性。

这也就意味着，人工智能最终会对人类的大脑产生影响。

该团队希望他们的人工智能系统能开始揭示这些限制是如何形成大脑差异的，并解释为什么有认知障碍和精神健康障碍的人会有如此大的差异。

这篇论文的共同作者之一、英国医学研究所 CBU的约翰·邓肯教授表示：“这种人工脑给我们提供了一种方法，使我们可以了解真实脑中记录的与实际神经活动有关的大量数据。”

如果没有这个步骤，数据就只是一种抽象的数据。

阿契伯格补充道：“人工智能的大脑允许我们去思考真实生物系统无法解答的问题。”

我们可以训练这个系统去完成一项任务，然后通过试验来检验我们所施加的限制，看它是否开始与某个特殊个体的脑结构相似。

对未来人工智能系统设计的启示

当然了，除了帮助大脑科学家研究大脑之外，这项研究也将会在人工智能领域掀起一场巨大的讨论。

一名研究人员说，人工智能领域的研究者们正致力于开发更复杂的神经系统，让它们能更灵活、更有效率地执行编码与执行任务。

为了达到这个目的，开发者们相信神经生物学协会能给他们很多启示。

简单地说，他们设计出来的系统，在布线成本上，要远远低于一般的人工智能系统。

要知道，很多现代人工智能解决方案都采用了和大脑外表相似的体系结构。研究者们表示，这项新研究显示，人工智能所要解决的问题类型，将会影响到使用哪一种架构效果更好的问题。

“如果你想要制造出一种能解决类似人类问题的人工智能系统，那它最终将比那些专门处理人类不同任务的大型计算机集群系统，更接近于真正的大脑。”

他说：“我们在人造脑中所见到的结构和结构，是因为它能帮助我们处理像大脑一样的特殊问题。

这就意味着人工智能机器人要在有限能量的情况下处理海量的信息，其脑结构和人类相差无几，这将有助于它们更好地完成任务。

阿彻伯格教授进一步说：“应用于现实世界的人工智能机器人，其大脑可能和人类的大脑更加相似，因为他们更可能面对同样的任务。”

他们需要不停地处理来自传感器的新信息，同时控制着自己的身体朝着目标位置移动。

很多系统都要求在电源有限的条件下进行所有的相关计算。因此，人工智能系统要在能量与资源的约束之间取得平衡，同时也要处理更多的信息，就需要一种类似于人脑的结构。

目前，该研究由美国医学研究理事会，盖茨剑桥大学，詹姆斯·麦克纳尔基金，坦普尔顿世界慈善基金，以及谷歌 DeepMind共同资助，相信在未来，该项目将对脑科学与人工智能领域产生重要影响。论文地址：https://www.cam.ac.uk/research/news/ai-system-self-organises-to-develop-features-of-brains-of-complex-organisms