DeepMind再爆重要科研成果！AI学会抄近路，展现强大方向识别能力

人工智能程序具有类似哺乳动物一样的寻路能力。

整理 | 微胖、张震

来源 | cnbeta、知识分子等

北京时间5月10日凌晨1时，该英国团队在世界顶级学术杂志《自然》上发表论文称，其最新研发出的一个人工智能程序具有类似哺乳动物一样的寻路能力，非常类似大脑中网格细胞的工作原理。

从家出发到新的地点，再原路返回，从中选择尽可能的捷径，这是绝大多数动物都能胜任的简单任务。然而，大脑这种本能的导航机制尚未被完全理解。

科学家们曾对这一机制做出了一些基础研究和推测。

比如，他们在动物和人类大脑中找到了三种跟认路相关的细胞，分别是位置细胞、方向细胞和网格细胞。

其中，位置细胞能主要赋予对过往地点的记忆；方向细胞能感应前进的方向；而网格细胞是最神秘的一种：它们能将整个空间环境划分成蜂窝状的六边形网格，仿佛地图上的坐标系。

发现网格细胞的的莫索尔夫妇因此获得了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提供GPS定位服务吗？

一些科学家猜测，它们也会参与矢量计算，辅助动物规划路径。

于是，DeepMind决定利用人工智能检验上述猜想。

研究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。

结果是，一种类似于网格细胞活动特征的结构自动诞生了！在此前的训练中，研究人员并未刻意引导神经网络产生此种结构。

随后，团队利用强化学习检验这种网格结构是否能够进行矢量导航。

研究人员将之前自动出现的网格结构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前进的导航能力超越了一般人，达到了职业游戏玩家水平。它能像哺乳动物一样寻找新路线和抄近路！

抄近路

最关键的是，当研究人员静默原来的网格结构后，人工智能体的导航能力就会变弱，判断目标的距离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只是给我们提供GPS定位信号，也是一种大脑赖以计算两个地点间的最短距离的核心导航机制。

哈萨比斯评价道：

我们相信人工智能和神经科学是相互启发的。这项工作就是很好的证明：通过研发出一个能在复杂环境中导航的人工智能体，我们对网格细胞在哺乳动物导航中的重要性有了更深的理解。

网格细胞发现者Edvard Moser说：

这篇论文如同平地惊雷，让大家异常的激动。 最为震惊的是，这个看似完全新鲜的计算模型，实际上却是我们所熟知的生物钟的网格模式。

约翰霍普金斯大学神经学家Francesco Savelli 和 James Knierim在同期Nature发表题为AI mimics brain codes for navigation的新闻，他们赞叹道：

有趣的是，网络从非常普通的计算假设开始，尽管这个计算假设没有考虑到特定的生物机制，最后却找到了与大脑相似的路径集成解决方案。 网络在这样一个解决方案上的融合无疑是一个很有说服力的证据，对于支持路径集成的网格细胞的活动模式一定是有一些特别之处的。

杜克大学教授陈怡然老师博士生吴春鹏表示，论文中提到的两个细节值得注意。

第一，如果神经网络的损失函数中不包括正则项，那么神经网络无法表现出网格细胞功能。这一发现给了我们一个全新的角度去思考正则项的作用。

第二，论文指出深度神经网络的黑盒特点阻碍了进一步分析网格细胞活动特性对路径整合的作用。这一点再次印证了当前研究神经网络可解释性的必要。

英国帝国理工学院刘芳德博士称，位置细胞和网格细胞的研究对人工智能特别是机器人系统启发很大。位置细胞其实是空间索引的数据库，描述的是拓扑空间；而网格细胞是几何计算器，描术的是欧氏空间。这种组织跟我们目前计算机科学中的技术完全不同，并有非常强的优势。

DeepMind团队相信，类似的研究方法还可以用来探索大脑听觉和控制四肢的机制。在更远的将来，神经科学家们甚至可以用人工智能代替小白鼠来做实验。