撰文 | 李家劲

责编 | 叶水送

 

人工智能识别图片、下围棋已不再稀奇。最近，DeepMind公司设计的人工智能像哺乳动物一样在未知空间中寻路，甚至在VR游戏中战胜人类，相关研究最近发表在《自然》上。

 

借助深度神经网络，人工智能已能够完成很多复杂工作并且超过了人类，例如图像识别和围棋对弈。但人工智能还不像动物在未知的空间中寻路。如果让所有的人工智能来识别方向，那它基本就是个“高智商路痴”。寻路考虑的事情要比下围棋、看图片要多得多。它需要根据自己在每一步的位置和方向，来决定下一步怎么走，而这又需要先知道上一步是怎么走的。

英国著名人工智能团队DeepMind公司就喜欢挑战这样的难题。DeepMind首先模拟了大量草食性啮齿类动物的移动轨迹，然后让计算机去学习这些移动路线。他们采用的技术主要是长短期记忆循环神经网络（Recurrent neural network with long short-term memory，LSTM），它能够使计算机记住自己之前的位置、方向和速度，然后结合目前的位置和方向，来做下一步移动。换句话说，DeepMind想让计算机像兔子一样思考自己的行走路线。

 

事实上，成功的深度神经网络一般有两个特性，一是能够接近完美地完成任务，二是很难理解它具体如何完成任务，因为深度神经网络的复杂机制如同黑箱，经常会自我创造出一套解决问题的逻辑。

 

 

DeepMind设计的作品更是如此，他们设计的人工智能系统精确完成寻路任务，跟一般兔子的行为并无二致。另一方面，他们出乎意料地发现，这个神经网络居然自发表现出了网格细胞（Grid cell）的特征，虽然DeepMind并没有按照网格细胞的模式来设计它。

 

网格细胞被认为是哺乳动物的“导航仪”，它能够通过周期性发电来帮助动物判断自己的空间位置。网格细胞自2005年被发现以来，即使它的发现者已获得2014年诺贝尔生理学或医学奖，它的工作方式依然是个谜。最近，人们认为网格细胞有矢量导航能力（Vector-based navigation），也就是说，它们能够让大脑计算目标的距离和方向，然后直接选择最短的路线到达目的地。不过，这只是一种假说而已。

 

DeepMind认为，他们的神经网络能够为这个问题提供他们的答案。他们设计了一个人工智能体（Artificial agent），将具有网格细胞特征的网络跟一个更大的网络结构组合起来，使用强化学习技术（Reinforcement learning）训练它在VR场景里面寻找目标。人工智能体最终表现十分出色，游戏水平超过专业玩家，它知道怎样绕过障碍物和抄近路，甚至开发出一条新路线。但如果不让“网格细胞网络”（Grid network）工作的话，人工智能体的认路能力就差了很多，搞不清楚距离和方向。这就说明网格细胞具备矢量导航能力，就像是动物大脑中的GPS系统。 

 

DeepMind虽然不是神经科学的研究团队，但他们在人工智能方面的突破却为我们了解大脑的复杂机能提供了新思路。

 

正如DeepMind的CEO Demis Hassabis所言，“DeepMind同时关注自然智能和人工智能……很容易理解我们借用神经科学的知识来设计新的算法。但我们相信灵感是应该一条双向大街，人工智能研究也可以帮助解决神经科学的问题。” 

 

相关文章

Banino A, et al. Vector-based navigation using grid-like representations in artificial agents. Nature. 2018. Doi: 10.1038/s41586-018-0102-6.