高層速讀

關鍵信息：谷歌Deepmind的最新論文展示了一個突破：人工智能體展現(xiàn)出與人腦“網格細胞”高度一致的空間導航能力。人工智能在游戲中學會了“抄近路”，并超過職業(yè)玩家水平。

關鍵意義：這對于人工智能的可解釋性和神經科學的算法性都具有重要意義。

大多數(shù)動物和人類，都能靈活地在世界中遨游，向前探索新的領域，也可以返回任何地方，還能走捷徑。這些能力是如此的簡單和自然，以至于我們根本不清楚潛在的過程到底有多復雜。相比之下，對于能力遠遠超過動物的人工智能體來說，空間導航仍然是一個巨大的挑戰(zhàn)。

2005年，一項驚人的發(fā)現(xiàn)揭示了空間行為神經回路的關鍵部分：在動物探索環(huán)境的過程中，神經元以一種非常規(guī)則的六邊形網格模式發(fā)射，這些六邊形的神經元被稱為“網格細胞”，網格細胞有助于空間導航（GPS），類似于地圖上的網格線。

第一個發(fā)現(xiàn)網格細胞的小組獲得了2014年諾貝爾生理學和醫(yī)學獎，但是，即便他們發(fā)現(xiàn)了該理論已經10多年，網格細胞的計算功能，以及它們是否支持基于矢量的導航的問題，仍然是個謎。

除了是動物內部的坐標系統(tǒng)之外，網格細胞最近被假設支持基于矢量的導航。

DeepMind今天發(fā)表在Nature上的論文“Vector-based navigation using grid-like representations in artificial agents”中，研究人員開發(fā)了一種人工智能體（artificial agent）來測試“網格細胞支持基于矢量的導航”這一理論。

第一步，研究者訓練了一個循環(huán)網絡，來執(zhí)行在虛擬環(huán)境中給自己定位的任務，使用主要的運動相關的速度信號（線速度和角速度）。這種能力通常是哺乳動物在不熟悉的地方或黑暗中行走時使用的。

研究者發(fā)現(xiàn)，網狀結構自動出現(xiàn)了，這與覓食哺乳動物中觀察到的神經活動模式有顯著的融合，也與網格單元為空間提供高效代碼的觀點一致。

▲產生了類似網格的結構（“網格單元”），與哺乳動物中的生物網格細胞非常相似

接下來，研究者試圖測試網格細胞是否支持基于矢量的導航，他們通過將最初的“網格網絡”與更大的網絡架構結合起來，創(chuàng)建了一個人工智能代理。

這個人工智能代理在經過深度強化學習訓練之后，在虛擬現(xiàn)實游戲環(huán)境中自動導航找到了目標。該代理的水平超越了專業(yè)游戲玩家的能力，并展示了動物般靈活的導航類型，智能代理采用了捷徑，學會了“抄近路”。

通過一系列的實驗操作，研究者發(fā)現(xiàn)網格細胞對于基于矢量的導航是至關重要的。例如，當網絡中的網格單元被靜默時，會使智能代理的導航能力受損，距離和方向等關鍵指標的表示變得不那么準確。

此次研究是理解大腦中網格細胞基本計算的重要一步，同時也強調了它們對人工智能代理的好處。

更進一步，類似的方法可以用來測試那些對感知聲音或控制肢體有重要意義的大腦區(qū)域的理論。未來，這樣的網絡很可能為科學家們提供一種新的方法來進行“實驗”，提出新的理論，甚至對目前在動物身上進行的研究提供補充。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。