雷鋒網(wǎng)注：圖自 Deepmind 和哈佛大學(xué)的論文

人們能像研究實(shí)驗(yàn)小白鼠那樣研究人工智能嗎?

DeepMind 和哈佛大學(xué)的研究人員似乎是這么認(rèn)為的——具體來說，研究人員制造了一個(gè) AI 驅(qū)動(dòng)的虛擬小白鼠來執(zhí)行多種復(fù)雜的任務(wù)。然后，他們?cè)偈褂蒙窠?jīng)科學(xué)技術(shù)來了解虛擬小白鼠的“大腦”是如何控制其運(yùn)動(dòng)的。

如今，最先進(jìn)的人工智能由人工神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)，而人工神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)算法，由被稱為“神經(jīng)元”的組件連接而成。從某種程度上來說，這些“神經(jīng)元”組件受到了大腦結(jié)構(gòu)的啟發(fā)，盡管它們的運(yùn)作方式截然不同，但越來越多的研究人員認(rèn)為，將兩者相提并論，既能提高我們對(duì)神經(jīng)科學(xué)的理解，也能讓人工智能變得更智能。

雷鋒網(wǎng)了解到，基于上述觀點(diǎn)，研究人員已經(jīng)創(chuàng)建了一個(gè) 3D AI 小白鼠的模型，特殊的是，這個(gè)模型完全復(fù)刻了現(xiàn)實(shí)小白鼠的生物特征。在虛擬環(huán)境中，AI 小白鼠由其神經(jīng)網(wǎng)絡(luò)來控制。研究人員還表明，他們可以利用神經(jīng)科學(xué)技術(shù)來分析生物大腦活動(dòng)，以了解神經(jīng)網(wǎng)絡(luò)如何控制老鼠的運(yùn)動(dòng)。

該研究報(bào)告的合著者、哈佛大學(xué)博士后研究員 Jesse Marshall 表示，通過讓研究人員用不同程度的虛擬生物來測(cè)試不同的神經(jīng)網(wǎng)絡(luò)，以觀察它們?cè)趹?yīng)對(duì)復(fù)雜挑戰(zhàn)方面的表現(xiàn)。他說道：

典型的神經(jīng)科學(xué)實(shí)驗(yàn)探究的是動(dòng)物大腦，這些動(dòng)物只會(huì)做一些單一動(dòng)作，比如敲擊杠桿，而大多數(shù)機(jī)器人都是為完成特定的任務(wù)而打造的，比如打掃房間。關(guān)于模擬小白鼠的研究是我們努力理解大腦如何實(shí)現(xiàn)靈活性的開始，并利用我們獲得的有用信息來設(shè)計(jì)具有類似能力的人工智能體。

這個(gè) AI 小白鼠的肌肉和關(guān)節(jié)特征，以及視覺能力和本體感覺全都基于真實(shí)老鼠的測(cè)量數(shù)據(jù)。其中，本體感覺是指反饋系統(tǒng)，即告訴小白鼠自己的身體部位在哪里，以及這些部位是如何運(yùn)動(dòng)的。

隨后，研究人員訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)來指導(dǎo) AI 小白鼠完成任務(wù)，比如跳過溝壑，在迷宮中覓食，逃離丘陵環(huán)境，并精確觸摸到模擬物體。一旦 AI 小白鼠能夠成功完成任務(wù)，研究小組就會(huì)分析其神經(jīng)活動(dòng)的記錄，利用從神經(jīng)科學(xué)技術(shù)來了解神經(jīng)網(wǎng)絡(luò)是如何實(shí)現(xiàn)運(yùn)動(dòng)控制的。

由于研究人員已經(jīng)建立了為模擬小白鼠提供動(dòng)力的人工智能，所以，AI 小白鼠的許多行為是研究人員意料之中的。不過，有趣的是，在實(shí)驗(yàn)中，神經(jīng)活動(dòng)的發(fā)生時(shí)間似乎比直接控制肌肉和肢體運(yùn)動(dòng)的時(shí)間要長(zhǎng)。

哈佛大學(xué)研究生 Diego Aldarondo 說：

這意味著，這個(gè)網(wǎng)絡(luò)反映了抽象尺度上的行為，比如奔跑、跳躍、旋轉(zhuǎn)和其他直觀的行為類別。這是一種先前被認(rèn)為僅存在于動(dòng)物身上的認(rèn)知模型。

DeepMind 的高級(jí)研究科學(xué)家 Josh Merel 表示，目前，他們已經(jīng)對(duì) AI 小白鼠進(jìn)行了開源，希望其他研究人員能以此為基礎(chǔ)，去進(jìn)行進(jìn)一步的研究。

加拿大麥吉爾大學(xué)的神經(jīng)學(xué)家 Blake Richards 沒有參與這項(xiàng)研究。他認(rèn)為，雖然神經(jīng)網(wǎng)絡(luò)不具備生理真實(shí)性，但它能夠捕捉到足夠多的神經(jīng)處理方式的重要特征，可以對(duì)神經(jīng)活動(dòng)影響行為的結(jié)果做出有用的預(yù)測(cè)。這種訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法，更易于收集數(shù)據(jù)來與真實(shí)的生物數(shù)據(jù)進(jìn)行比較。

他補(bǔ)充道，“這些虛擬大腦產(chǎn)生的數(shù)據(jù)或許比動(dòng)物真實(shí)大腦產(chǎn)生的數(shù)據(jù)更有價(jià)值?！?/p>

加拿大皇后大學(xué)的神經(jīng)學(xué)家 Stephen Scott 表示，雖然人們必須謹(jǐn)慎對(duì)待在人工神經(jīng)網(wǎng)絡(luò)和生物神經(jīng)網(wǎng)絡(luò)之間進(jìn)行過度比較，但這種方法可能是探索行為神經(jīng)基礎(chǔ)一種富有成效的方式。

雷鋒網(wǎng)注：本文編譯自 IEEE Spectrum

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。