谷歌新開發(fā)人工智能，識(shí)別方向強(qiáng)過大腦 | 前沿
? 谷歌子公司DeepMind推出圍棋高手阿爾法狗之后，又推出智能識(shí)別方向系統(tǒng)，圖片來自starcraftwars.ru
撰文 | 李家勁
責(zé)編 | 葉水送
● ● ●
人工智能識(shí)別圖片、下圍棋已不再稀奇。最近，DeepMind公司設(shè)計(jì)的人工智能像哺乳動(dòng)物一樣在未知空間中尋路，甚至在VR游戲中戰(zhàn)勝人類，相關(guān)研究最近發(fā)表在《自然》上。
借助深度神經(jīng)網(wǎng)絡(luò)，人工智能已能夠完成很多復(fù)雜工作并且超過了人類，例如圖像識(shí)別和圍棋對(duì)弈。但人工智能還不像動(dòng)物在未知的空間中尋路。如果讓所有的人工智能來識(shí)別方向，那它基本就是個(gè)“高智商路癡”。尋路考慮的事情要比下圍棋、看圖片要多得多。它需要根據(jù)自己在每一步的位置和方向，來決定下一步怎么走，而這又需要先知道上一步是怎么走的。
英國著名人工智能團(tuán)隊(duì)DeepMind公司就喜歡挑戰(zhàn)這樣的難題。DeepMind首先模擬了大量草食性嚙齒類動(dòng)物的移動(dòng)軌跡，然后讓計(jì)算機(jī)去學(xué)習(xí)這些移動(dòng)路線。他們采用的技術(shù)主要是長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent neural network with long short-term memory，LSTM），它能夠使計(jì)算機(jī)記住自己之前的位置、方向和速度，然后結(jié)合目前的位置和方向，來做下一步移動(dòng)。換句話說，DeepMind想讓計(jì)算機(jī)像兔子一樣思考自己的行走路線。
事實(shí)上，成功的深度神經(jīng)網(wǎng)絡(luò)一般有兩個(gè)特性，一是能夠接近完美地完成任務(wù)，二是很難理解它具體如何完成任務(wù)，因?yàn)樯疃壬窠?jīng)網(wǎng)絡(luò)的復(fù)雜機(jī)制如同黑箱，經(jīng)常會(huì)自我創(chuàng)造出一套解決問題的邏輯。
? 在動(dòng)物實(shí)驗(yàn)中，人工智能體如同小鼠，能夠?qū)Ψ较蚓珳?zhǔn)識(shí)別
DeepMind設(shè)計(jì)的作品更是如此，他們?cè)O(shè)計(jì)的人工智能系統(tǒng)精確完成尋路任務(wù)，跟一般兔子的行為并無二致。另一方面，他們出乎意料地發(fā)現(xiàn)，這個(gè)神經(jīng)網(wǎng)絡(luò)居然自發(fā)表現(xiàn)出了網(wǎng)格細(xì)胞（Grid cell）的特征，雖然DeepMind并沒有按照網(wǎng)格細(xì)胞的模式來設(shè)計(jì)它。
網(wǎng)格細(xì)胞被認(rèn)為是哺乳動(dòng)物的“導(dǎo)航儀”，它能夠通過周期性發(fā)電來幫助動(dòng)物判斷自己的空間位置。網(wǎng)格細(xì)胞自2005年被發(fā)現(xiàn)以來，即使它的發(fā)現(xiàn)者已獲得2014年諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)，它的工作方式依然是個(gè)謎。最近，人們認(rèn)為網(wǎng)格細(xì)胞有矢量導(dǎo)航能力（Vector-based navigation），也就是說，它們能夠讓大腦計(jì)算目標(biāo)的距離和方向，然后直接選擇最短的路線到達(dá)目的地。不過，這只是一種假說而已。
? 利用人工智能模擬大腦中網(wǎng)格細(xì)胞（紅色）、方向細(xì)胞、位置細(xì)胞（藍(lán)色）對(duì)方向的識(shí)別，網(wǎng)格細(xì)胞能夠做出更優(yōu)的抉擇，圖片來自Nature。
DeepMind認(rèn)為，他們的神經(jīng)網(wǎng)絡(luò)能夠?yàn)檫@個(gè)問題提供他們的答案。他們?cè)O(shè)計(jì)了一個(gè)人工智能體（Artificial agent），將具有網(wǎng)格細(xì)胞特征的網(wǎng)絡(luò)跟一個(gè)更大的網(wǎng)絡(luò)結(jié)構(gòu)組合起來，使用強(qiáng)化學(xué)習(xí)技術(shù)（Reinforcement learning）訓(xùn)練它在VR場(chǎng)景里面尋找目標(biāo)。人工智能體最終表現(xiàn)十分出色，游戲水平超過專業(yè)玩家，它知道怎樣繞過障礙物和抄近路，甚至開發(fā)出一條新路線。但如果不讓“網(wǎng)格細(xì)胞網(wǎng)絡(luò)”（Grid network）工作的話，人工智能體的認(rèn)路能力就差了很多，搞不清楚距離和方向。這就說明網(wǎng)格細(xì)胞具備矢量導(dǎo)航能力，就像是動(dòng)物大腦中的GPS系統(tǒng)。
DeepMind雖然不是神經(jīng)科學(xué)的研究團(tuán)隊(duì)，但他們?cè)谌斯ぶ悄芊矫娴耐黄茀s為我們了解大腦的復(fù)雜機(jī)能提供了新思路。
正如DeepMind的CEO Demis Hassabis所言，“DeepMind同時(shí)關(guān)注自然智能和人工智能……很容易理解我們借用神經(jīng)科學(xué)的知識(shí)來設(shè)計(jì)新的算法。但我們相信靈感是應(yīng)該一條雙向大街，人工智能研究也可以幫助解決神經(jīng)科學(xué)的問題?！?/span>
相關(guān)文章
Banino A, et al. Vector-based navigation using grid-like representations in artificial agents. Nature. 2018. Doi: 10.1038/s41586-018-0102-6.
