DeepMind利用人工神經網路打造“類腦導航系統”

谷歌旗下的DeepMind公司在《自然》雜誌發文表示，該公司構建了可模擬人類大腦“定位細胞”的人工神經網路。

DeepMind公司的神經網路能夠模仿人腦中的網格細胞，以幫助我們確定自己的位置。

這項發現來自於Alphabet公司旗下DeepMind。此項研究成果被發表在《自然》雜誌上。它暗示了受到生物學啟發的人工神經網路可能被用於探索仍然神祕的人類大腦。但這個想法應該謹慎對待，因為我們不知道大腦是如何工作的，而人工神經網路的功能也往往難以解釋。

DeepMind的研究人員首先訓練了一個人工神經網路來模擬路徑整合，這是動物們用來計算其在空間中移動的方法。研究人員利用小鼠穿過真實迷宮的路線示例訓練了一個帶有反饋迴路的神經網路，並將其用於在迷宮中尋路。

研究小組發現神經網路發展出了與生物大腦中的“網格細胞”類似的結構。這些細胞排列成三角形網格，似乎能夠為動物們提供一種在物理空間獲取自身位置的方法。網格細胞於2005年首次被發現，發現它們的科學家為此獲得了2014年的諾貝爾獎。

通過在他們的方法中加入強化學習技術，DeepMind的研究人員使用經過訓練的神經網路來穿越未知的迷宮。他們發現剛剛訓練完成的神經網路的尋路能力比以前的任意AI系統都強，且該網路探索其所處空間的方式更像真正的動物。神經網路可以用來做許多有用的事情，但直到現在，它們還沒有被證明特別擅長尋找路徑。

美國約翰霍普金斯大學的神經科學家Francesco Savelli曾經研究過網格細胞，並在一篇發表在《自然》雜誌的相關論文中提到了該項研究。他說：“這項研究做出了一項引人注目的演示，它表明深度學習對那些不僅需要感知能力而且依賴於更高認知功能的任務而言也非常有價值，而論文中提到的空間導航就是此類任務。”

該項研究表明，對包括人類在內的全世界動物而言，網格細胞在尋找路徑方面有重要作用。這個發現可能會最終產生重要的實際用途，例如幫助機器人在不熟悉的建築物中更輕鬆地導航。“我們的工作是構建人工智慧，而我們認為導航是其中的一個重要組成部分，”DeepMind團隊成員之一的Andrea Banino說。

他的同事Dharshan Kumaran表示，下一個步驟是讓AI代理學習更復雜的導航技能。“我們正在考慮更具挑戰性的環境，”他說。之前，DeepMind公司已經在機器學習方面公佈了一些卓越的進展，包括能夠學習玩視訊遊戲的程式，以及一些具有超人一般能力的棋盤遊戲程式，如圍棋和象棋程式。這些成就也需要訓練非常大的或深度的人工神經網路。

根據DeepMind的共同創始人兼執行長Demis Hassabis的觀點，人工智慧研究可能會揭示人腦的新情況。他在宣告中表示：“為了證明我們試圖建立的這種一般性智慧是可能的，人腦是我們擁有的唯一存在性證據。我們相信，這種靈感應該是一條雙向的通道，人工智慧研究的成果也可以反過來為神經科學中的開放問題提供幫助。”

然而，由於神經網路是非常簡化的生物學表徵，目前還不清楚它能夠為解釋大腦提供多少幫助。一些神經科學家指出，解讀深度神經網路的原理並不比解釋生物大腦簡單。