昆蟲如何學(xué)會將周圍環(huán)境中的感官信息與食物獎勵相關(guān)聯(lián)

科隆大學(xué)的動物學(xué)家研究了昆蟲的神經(jīng)系統(tǒng)，以研究生物大腦計算的原理以及對機器學(xué)習(xí)和人工智能的潛在影響。具體來說，他們分析了昆蟲如何學(xué)會將周圍環(huán)境中的感官信息與食物獎勵相關(guān)聯(lián)，以及他們?nèi)绾紊院罂梢曰貞浧疬@些信息以解決諸如尋找食物之類的復(fù)雜任務(wù)。結(jié)果表明，將感覺信息轉(zhuǎn)換為大腦中的記憶可以激發(fā)未來的機器學(xué)習(xí)和人工智能應(yīng)用來解決復(fù)雜任務(wù)。這項研究已發(fā)表在PNAS雜志上。

活生物體在應(yīng)對復(fù)雜和動態(tài)環(huán)境帶來的問題方面顯示出非凡的能力。他們能夠概括自己的經(jīng)驗，以便在環(huán)境變化時迅速適應(yīng)其行為。動物學(xué)家調(diào)查了尋找食物時果蠅的神經(jīng)系統(tǒng)如何控制其行為。他們使用計算機模型對果蠅神經(jīng)系統(tǒng)中的計算進行了模擬和分析，以響應(yīng)于食物來源產(chǎn)生的氣味。``我們最初以與昆蟲在實驗中訓(xùn)練完全相同的方式訓(xùn)練了我們的果蠅大腦模型。我們在模擬中展示了特定的氣味以及獎勵和沒有獎勵的第二種氣味。

因此，創(chuàng)建的模型能夠從其記憶中進行概括，并將其先前學(xué)到的知識應(yīng)用到一個全新的復(fù)雜氣味分子環(huán)境中，而學(xué)習(xí)只需要一個非常小的訓(xùn)練樣本數(shù)據(jù)庫即可。這項研究的資深作者馬丁·納沃特（Martin Nawrot）教授解釋說：“對于我們的模型，我們利用神經(jīng)系統(tǒng)中生物信息處理的特殊性質(zhì)?！斑@些尤其是通過短暫的神經(jīng)沖動快速而并行地處理感覺刺激，以及通過在學(xué)習(xí)過程中同時修飾許多突觸來形成分布式記憶。”該模型所基于的理論原理也可以用于人工智能和自治系統(tǒng)。

責(zé)任編輯：lq