量子位 出品 | "大众号 QbitAI

本日凌晨,DeepMind又有新Nature论文发布!

这次他们又演习出了一个AI智能体,学会了类似哺乳动物一样的“抄近路”能力,这次研究的目的,便是设法模拟人类大脑,用繁芜的办法在周围空间里导航。

同时也用人工智能体验证了哺乳动物大脑中的“网格细胞”对基于向量的导航有支持浸染。

DeepMind新打破AI模拟大年夜脑导航像动物一样抄近路|Nature

这是一个前所未有的探索,被认为是理解大脑的一次重大进步。

空间感知,对已经轻松成为围棋大师的AI来说,还是一件难事。

当你沿着熟习的街道提高,绕过障碍,找到最快抵达目的地的捷径时,大脑里发生了什么?这是一个非常繁芜的事情。

科学家们在动物和人类大脑中找到了三种跟认路干系的细胞,分别是位置细胞、方向细胞和网格细胞。

位置细胞能在主体到达特定地点时放电,从而授予对过往地点的影象;方向细胞能感应提高的方向;网格细胞则是最神秘的一种:它们能将全体空间环境划分成蜂窝状的六边形网格,仿佛舆图上的坐标系。

创造网格细胞的的莫索尔夫妇因此得到了2014年的诺贝尔生理学或医学奖。
不过,网格细胞仅仅是在空间环境中供应GPS定位做事吗?

一些科学家预测,它们也会参与矢量打算,赞助动物方案路径。

DeepMind团队决定用人工神经网络考验上述猜想。

人工神经网络是一种利用多层处理仿照大脑神经网络的运算构造。
团队首先用深度学习算法演习神经网络学习哺乳动物的觅食运动路径,利用线速率、角速率等旗子暗记在视觉环境中进行定位。

研究职员随后创造,一种类似于网格细胞活动特色的构造自动出身了!
在此前的演习中,研究职员并未刻意勾引神经网络产生此种构造。

DeepMind团队随后利用强化学习考验这种网格构造是否能够进行矢量导航。
强化学习被普遍用于演习游戏AI,人类见告AI一种游戏的得分赏罚机制,但却不教授游戏方法,由AI在反复进行游戏、努力争取更高分的过程中自我进化。

研究职员将之前自动涌现的网格构造与一个更大型的神经网络架构结合成了人工智能体,置于虚拟现实的游戏环境中。
经历强化学习后,该人工智能在游戏迷宫中向目的地提高的导航能力超越了一样平常人,达到了职业游戏玩家水平。
它能像哺乳动物一样探求新路线和抄近路。

最关键的是,当研究职员“静默”原来的网格构造后,人工智能体的导航能力就会变弱,判断目标的间隔和方向都更不准确了。

论文作者之一Dharshan Kumaran说道:“我们证明了网格细胞远不但是给我们供应GPS定位旗子暗记,也是一种大脑赖以打算两个地点间的最短间隔的核心导航机制。

哈萨比斯说,要证明我们能构建出来我们想做的那种通用智能,大脑的存在便是一个证据。
以是从神经科学中为新的算法探求灵感,是很有道理的。
但我们同时也相信这种启示该当是双向的,人工智能研究的见地也能为神经科学中的开放问题供应灵感。

“这项事情便是一个很好的例子:通过构建一个能在繁芜环境中导航的人工智能体,我们强调了生物网格细胞在哺乳动物导航中的主要性,也拓宽了这方面的理解。
”哈萨比斯表示。

DeepMind团队相信,类似的研究方法还可以用来探索大脑听觉和掌握四肢的机制。
在更远的将来,神经科学家们乃至可以用人工智能代替小白鼠来做实验。

论文

这篇论文题目为:Vector-based navigation using grid-like representations in artificial agents 。

论文作者20多人,个中也包括哈萨比斯本人。

地址在此:https://www.nature.com/articles/s41586-018-0102-6

论文预览传送门: http://t.cn/R3283LN

— 完 —

诚挚招聘

量子位正在招募编辑/,事情地点在北京中关村落。
期待有才华、有激情亲切的同学加入我们!
干系细节,请在量子位公众年夜众号(QbitAI)对话界面,回答“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技能和产品新动态