DeepMind：把人工智能和神经科学结合起来，实现良性循环

人工智能的最新盼望引人注目。人工体系在 Atari 视频游戏、迂腐的棋类游戏围棋以及扑克游戏中已经优于人类专业玩家。它们还可以天生与人类无不同的字迹和语音、在多种说话之间翻译，乃至将你的假期照片用梵高的气魄威风凛凛举办气魄威风凛凛重塑。

这些前进可以归结为几个身分，包罗新型统计要领的行使和计较机计较手段的增添。可是我们最近在 Neuron 杂志颁发的概念以为，有一个身分常常被忽视，即尝试神经科学和理论神经科学的孝顺。

生理学和神经科学在人工智能的成长史上起着要害浸染。人工智能的奠定人物诸如 Donald Hebb、Warren McCulloch、Marvin Minsky 以及 Geoff Hinton，最初都是被想要领略人脑事变道理的愿望所鼓励。究竟上，在整个 20 世纪末期，大部门开拓神经收集的要害事变并没有产生在数学可能物理尝试室，而是在生理学和神经心理学系。

正由于云云重要，将神经科学规模和人工智能规模团结起来的需求比以往任何时辰都越发急切。

在 DeepMind，我们以为，尽量这两个规模都获得了快速成长，可是研究职员不该该忽视这个概念。我们督促神经科学和人工智能规模的研究者们去寻求一种可以或许让常识自由活动的配合说话，让常识的自由活动来敦促这两个规模一连向前成长。

对人工智能研究来说，从神经科学罗致灵感长短常重要的，我们以为有两个缘故起因：第一，神经科学可以或许辅佐验证已经存在的人工智能技能。简而言之，假如我们发明我们的一种人造算法可以或许仿照人脑中的某个成果，这表白我们的要领或者在正确的偏向上了。第二，在构建人造大脑的时辰，神经科学可觉得新型的算法和布局提供富厚的灵感来历。汗青上，传统的人工智能要领都是由基于逻辑的要领和基于理论数学的模子所主导。我们以为神经科学可以通过辨认也许对认知成果很要害的生物计较种别对此举办增补。

以一个最近在神经科学规模的重要发明为例：离线体验「回放」的发明。在就寝可能宁静苏息的时辰，生物大脑会「回放」由早期活泼时段天生的神经勾当。譬喻，当老鼠穿过迷宫的时辰，「处所」单位跟着老鼠的行为会激活。在苏息的时辰，在老鼠的大脑中调查到了沟通的神经勾当序列，貌似老鼠会在精力上从头想象它之前的勾当，并用它们去优化将来的举动。究竟上，对回放的滋扰会侵害它们其后举办同样使命时的示意。

「回放」是 DQN 的要害元素，DQN 是一个通用智能体（general-purpose agent），它可以或许一连地调解本身的举动来顺应新的情形

乍一看，构建一个必要「就寝」的人工智能体好像是反直觉的——事实，它们应该在它们的措施员睡觉之后在一个可计较的题目上耗许多时刻。可是这个原则却是我们的 deep-Q Network（DQN）的要害部门，这是一个仅仅依赖原始像素和分数作为输入，通过进修可以或许把 Atari 2600 游戏把握到高出人类的程度的算法。DQN 通过存储一个它可以或许离线「回首」的实习数据的子集来仿照「履历回放」，这使得它可以或许从已往的失败和乐成中进修到新的对象。

这样的乐成给了我们信念，神经科学早已成为人工智能头脑的重要源泉。瞻望将来，我们信托神经科学在辅佐我们处理赏罚一些仍未办理的题目上会变得不行或缺，譬喻高效进修、领略物理天下和想象力。

想象力对人类和动物来说一个异常重要的成果，想象力应承我们在仍未产生的环境下就可以筹划将来，虽然这是有价钱的。举个简朴的例子，好比筹齐整个假期。为了做到这件事，我们要操作我们关于这个天下的常识可能「模子」，而且用它来实时地推进可能评估将来的状态。这应承我们计较必要走的路径，可能打包在好天穿的衣服。尽量人类神经科学的前沿研究正在开始显现支撑这种思想的计较体系和机制，可是许多这种新的领略尚未在人工模子中获得应用。

神经科学规模和人工智能规模有一个漫长且彼此交叉的汗青

当下人工智能研究的另一个重要挑衅就是迁徙进修。为了可以或许高效应对新环境，人工智能体必要在现有常识的基本上构建作出明智决定的手段。人类早已精于此道：人可以开汽车、行使条记本可能可以或许主持一个集会会议，另外，在面临不认识的车辆、操纵体系可能社会情形的时辰人类凡是也可以或许有用应对。

朝着领略这种环境怎样产生在人工智能体系中这个方针，研究者此刻开始迈出了第一步。譬喻，一种叫做「渐进收集（progressive network）」的新型收集布局可以或许操作在一个视频游戏中习得的常识去进修其它一个视频游戏。在从仿真呆板臂向实际手臂迁徙常识的场景中也行使沟通的布局，这大大地收缩了实习时刻。风趣的是，这些收集与人类的持续使命进修模子有某些相似之处。这些接洽表白将来的人工智能研究很是有也许从神经科学的事变中进修到一些对象。

可是这种常识的互换不行能是单向的，神经科学也可以或许从人工智能研究中获益。以强化进修为例——强化进修是当下人工智能研究的焦点要领之一。尽量强化进修的原始头脑来历于生理学中的动物进补缀论，可是它是由呆板进修研究者来开拓和叙述的。这些头脑又回馈神经科学的研究，辅佐我们领略神经心理征象，譬喻哺乳动物基底神经节中的多巴胺神经元的放电特征。

人工智能研究者从神经科学中罗致头脑来成立新的技能，神经科学家从人工智能体的举动中进修，以更好地表明生物大脑——假如这两个规模要一连地借助互相的头脑成长，并建设一个良性轮回，那么这种一来一往的开导是必需的。究竟上，因为近期的各种盼望，譬喻光遗传学，它应承我们准确地丈量和哄骗脑勾当，发生大量可以或许行使呆板进修器材举办说明的数据。

以是我们以为，把智力转换为算法并将其与人类大脑举办较量此刻长短常要害的。这不只可以或许增强我们对开拓人工智能这种有望缔造新常识而且敦促科学发明的器材的追求，并且尚有也许辅佐我们更好地领略人类大脑内部到底产生着什么。这有也许显现神经科学中的一些微妙，譬喻，缔造力、梦，乃至意识的本质。正由于云云重要，将神经科学规模和人工智能规模团结起来的需求比以往任何时辰都越发急切。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!