利用人脑细胞克服人工智能“灾难性遗忘”问题

在过去的几十年里，人工智能（AI）发生了巨大的发展，产生了可以学习和决策的机器，复制了类似人类的认知能力。然而，尽管这些机器在各个领域取得了巨大的进步，但它们并非没有缺点。人工智能模型面临的一个重大挑战是被称为“灾难性遗忘”的现象。

“灾难性遗忘（Catastrophic Forgetting）”是神经网络固有的局限性，神经网络是现代人工智能系统的基石。这个问题指的是这些系统在引入新数据时发生突然忘记以前学到的信息的趋势。这个问题的出现是由于网络中的学习机制。在训练期间，网络调整其参数或“权重”，以尽量减少所呈现任务的错误。如果引入新任务，权重将再次调整，这可能会导致覆盖从之前任务中获得的知识。因此，神经网络在学习新任务时“忘记了”初始任务。

这种缺陷对“持续学习”构成了重大障碍，“持续学习”是一种学习能力，人工智能系统的“持续学习”随着时间推移，将从数据流中不停学习，适应变化和新情况，而不会失去从过去的经验中得到的知识。作为人类，我们认为这种不断学习的能力是理所当然的。然而，在人工智能中模仿这一点已被证明是一个艰巨的挑战。

认识到克服这一障碍的必要性，由澳大利亚墨尔本莫纳什大学副教授Adeel  Razi领导的团队与墨尔本初创公司Cortical Labs公司合作，开始了开创性的研究工作，其任务是融合生物和人工智能学习之间的界限。

该项目涉及在实验室培养约80万个人类脑细胞，并将这些细胞与硅芯片融合。最终目标是创建一个团队称之为“DishBrain”的系统。这种设置将用于研究持续学习背后的各种生物机制。

与人工智能模型相比，人脑擅长不断学习新技能而不忘记旧技能，有适应变化的能力，并可以将以前学到的知识应用于新情况。通过将实验室生长的脑细胞嵌入硅芯片上，研究团队打算在机器中复制这些功能。Razi副教授将人工智能与生物学这种耐人寻味的融合描述为创造了“可编程的生物计算平台”。

去年，当培养的脑细胞在视频游戏中成功执行简单的任务时，这种独特的生物学和技术融合引起了全球的关注。DishBrain系统的持续学习能力具有彻底改变机器学习的巨大潜力，机器学习是人工智能的一个重要分支。这项技术的影响是深远的，对机器人、自动驾驶、脑机界面甚至药物发现等各个领域都有影响。Razi在一份大学新闻稿中表示，未来的这种新技术能力最终可能会超过现有的纯硅硬件的性能。

莫纳什大学和Cortical Labs公司正在规划一条通往人工智能系统的新道路，这些系统可以与人类大脑的能力相媲美。他们的创新方法不仅拓宽了人工智能可以实现的范围，还塑造了持续学习研究的未来方向。