谷歌Deepmind呈现人类大脑导航能力，机器正在像人脑一样思考

高层速读

关键信息：谷歌Deepmind的最新论文展示了一个突破：人工智能体展现出与人脑“网格细胞”高度一致的空间导航能力。人工智能在游戏中学会了“抄近路”，并超过职业玩家水平。

关键意义：这对于人工智能的可解释性和神经科学的算法性都具有重要意义。

大多数动物和人类，都能灵活地在世界中遨游，向前探索新的领域，也可以返回任何地方，还能走捷径。这些能力是如此的简单和自然，以至于我们根本不清楚潜在的过程到底有多复杂。相比之下，对于能力远远超过动物的人工智能体来说，空间导航仍然是一个巨大的挑战。

2005年，一项惊人的发现揭示了空间行为神经回路的关键部分：在动物探索环境的过程中，神经元以一种非常规则的六边形网格模式发射，这些六边形的神经元被称为“网格细胞”，网格细胞有助于空间导航（GPS），类似于地图上的网格线。

第一个发现网格细胞的小组获得了2014年诺贝尔生理学和医学奖，但是，即便他们发现了该理论已经10多年，网格细胞的计算功能，以及它们是否支持基于矢量的导航的问题，仍然是个谜。

除了是动物内部的坐标系统之外，网格细胞最近被假设支持基于矢量的导航。

DeepMind今天发表在Nature上的论文“Vector-based navigation using grid-like representations in artificial agents”中，研究人员开发了一种人工智能体（artificial agent）来测试“网格细胞支持基于矢量的导航”这一理论。

第一步，研究者训练了一个循环网络，来执行在虚拟环境中给自己定位的任务，使用主要的运动相关的速度信号（线速度和角速度）。这种能力通常是哺乳动物在不熟悉的地方或黑暗中行走时使用的。

研究者发现，网状结构自动出现了，这与觅食哺乳动物中观察到的神经活动模式有显著的融合，也与网格单元为空间提供高效代码的观点一致。

▲产生了类似网格的结构（“网格单元”），与哺乳动物中的生物网格细胞非常相似

接下来，研究者试图测试网格细胞是否支持基于矢量的导航，他们通过将最初的“网格网络”与更大的网络架构结合起来，创建了一个人工智能代理。

这个人工智能代理在经过深度强化学习训练之后，在虚拟现实游戏环境中自动导航找到了目标。该代理的水平超越了专业游戏玩家的能力，并展示了动物般灵活的导航类型，智能代理采用了捷径，学会了“抄近路”。

通过一系列的实验操作，研究者发现网格细胞对于基于矢量的导航是至关重要的。例如，当网络中的网格单元被静默时，会使智能代理的导航能力受损，距离和方向等关键指标的表示变得不那么准确。

此次研究是理解大脑中网格细胞基本计算的重要一步，同时也强调了它们对人工智能代理的好处。

更进一步，类似的方法可以用来测试那些对感知声音或控制肢体有重要意义的大脑区域的理论。未来，这样的网络很可能为科学家们提供一种新的方法来进行“实验”，提出新的理论，甚至对目前在动物身上进行的研究提供补充。

分享这篇文章

与同仁共同探讨AI行业动向

往期文章

「AI商业报道」现已入驻