人工智能遇到神經(jīng)科學會有什么故事發(fā)生

人工智能與神經(jīng)科學，這兩個看似相隔甚遠的學科，實際上有著非常緊密的聯(lián)系。這兩個領域的協(xié)作是必然的。

正如DeepMind認為的那樣：在如此多的利害關系下，目前神經(jīng)科學領域和人工智能結(jié)合的需求比以往任何時候都更加迫切。本文將從兩個方面探討這個主題：神經(jīng)科學如何啟發(fā)人工智能，以及人工智能如何推進神經(jīng)科學。

神經(jīng)科學如何啟發(fā)人工智能

神經(jīng)科學在人工智能的發(fā)展史上扮演了關鍵角色，它一直是構(gòu)建人工智能的靈感來源。一般有兩種路徑：第一，模擬人類的智力，第二，建立模擬大腦結(jié)構(gòu)的神經(jīng)網(wǎng)絡。

模擬人類智能的人工智能系統(tǒng)。

近來人工智能取得了驚人的進步，例如：

· 勝過最強星際爭霸玩家的視頻游戲

· 比醫(yī)生更快更好地檢測乳腺癌

· 可靠的對象識別，例如特斯拉的自動駕駛汽車

這些機器能夠比人類更好地執(zhí)行任務和解決問題，實現(xiàn)與人類相媲美甚至超過人類的性能。但是，無論看起來多么驚人，它們的設計意圖都不過是物善其用罷了，我們距離建立真正的AI世界還有幾十年的時間。

盡管思想先進，性能優(yōu)越，這些人工智能系統(tǒng)在重要方面與人類智力有所不同。為了讓機器像人一樣學習或思考，它還需要能夠：

· 解釋以及理解問題

· 通過學習來獲取知識

· 將知識運用到新的任務和情況中

在KAIST的一項研究中，研發(fā)人員探究人類元強化學習的計算和神經(jīng)機制，發(fā)現(xiàn)人類在做決定時，可以適應復雜性和不確定性。

研發(fā)人員希望建立能夠像人類一樣做出決策，并以人類的方式解決問題的模型。他們的發(fā)現(xiàn)打開了這樣一種可能性：技術的進步可能有助于制造出更像人類的機器。

人們希望能制造真正像人類一樣學習和思考的機器。就像即使蒙著眼睛，我們?nèi)匀豢赡軓椇眉?。但如果換成AI，其表現(xiàn)可能會大打折扣。

建立模擬大腦結(jié)構(gòu)的神經(jīng)網(wǎng)絡。

人腦包含大約860億個神經(jīng)元，每個神經(jīng)元都與其他神經(jīng)元相連。生物神經(jīng)元是細胞：當一個神經(jīng)元激活時，它會產(chǎn)生一個棘波，并向其他神經(jīng)元發(fā)送信號。

我們從人腦結(jié)構(gòu)中吸取了靈感，設計出了今天的神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡中神經(jīng)元的思想與大腦中的生物神經(jīng)元具有相似的特征。

與人腦一樣，機器學習神經(jīng)網(wǎng)絡也由相互連接的神經(jīng)元組成。當一個神經(jīng)元接收到輸入時，它就會激活，并將信息發(fā)送給其他神經(jīng)元。

人腦的可塑性讓我們每次學習新的東西，都是在創(chuàng)造和加強神經(jīng)元之間的聯(lián)系。熟能生巧就是基于這樣的原理。

同理，向神經(jīng)網(wǎng)絡輸入大量數(shù)據(jù)時，它也會學習。神經(jīng)網(wǎng)絡上的每個連接都與一個權(quán)重相關聯(lián)，權(quán)重決定了神經(jīng)元之間的重要性。在訓練過程中，權(quán)重相應地調(diào)整，以加強或削弱神經(jīng)元之間的聯(lián)系。

例如，當我們看一張貓的照片時，我們知道這是一只貓，因為我們在生活中見過足夠多的貓。同樣，如果給神經(jīng)網(wǎng)絡提供足夠多的貓圖像，它就會開始識別貓。

在了解神經(jīng)科學如何啟發(fā)人工智能模仿人類智力、構(gòu)建模仿大腦結(jié)構(gòu)的神經(jīng)網(wǎng)絡后，反過來看看，人工智能又會如何推進神經(jīng)科學。

人工智能如何推進神經(jīng)科學

人工智能正在迅速成為神經(jīng)科學中的一個寶貴的工具，它有助于理解人腦的工作原理，并加速神經(jīng)科學的發(fā)展。

人工智能加速神經(jīng)科學的發(fā)展和發(fā)現(xiàn)。

機器學習的主要優(yōu)勢在于能夠識別復雜數(shù)據(jù)中的模式，尤其在涉及到分析人類的思想時。大腦發(fā)出的信號真的很復雜。隨著機器學習的推進，神經(jīng)科學家正在破解數(shù)十億個大腦神經(jīng)元協(xié)同工作的秘密。

功能性磁共振成像通過檢測血液流動的變化來測量大腦的活動，它每秒都能生成大腦活動的高維快照。使用機器學習來分析數(shù)據(jù)有助于發(fā)現(xiàn)大腦活動的方式，從而加快研究工作。

機器學習還有助于開發(fā)以前認為不可能的應用程序。韓國大學設計了一個控制下肢外骨骼的實驗，測試者可以通過盯著閃爍的燈光集中注意力來控制外骨骼。

人工智能有助于理解人腦的工作原理。

神經(jīng)科學家正在研究人腦如何思考以及如何控制身體移動。通過了解大腦，我們可以更好地診斷精神疾病，并使殘疾人提高運動能力。

AI系統(tǒng)的進步可以幫助神經(jīng)科學解開大腦的秘密能，神經(jīng)科學家和研究人員可以利用AI建立更好的模型來模擬人腦。

神經(jīng)網(wǎng)絡扮演著“虛擬大腦”的角色，獲取人類大腦的表現(xiàn)。這些虛擬大腦可以產(chǎn)生神經(jīng)活動模式，類似于從大腦記錄下來的模式。有了這些模式，神經(jīng)科學家可以在進行實際測試之前，測試假設并觀察模擬結(jié)果。

然而，AI系統(tǒng)的工作方式與人類大腦有著天壤之別。神經(jīng)網(wǎng)絡只是大腦工作方式的一個粗略模擬，它將神經(jīng)元建模為高維矩陣中的數(shù)字。但實際上，人類大腦是一個復雜的生物機器，需要化學反應和腦電活動。這正是人類區(qū)別于機器的地方。

由此可見，一方面，人腦是構(gòu)建AI的首要靈感，人工智能研究人員使用神經(jīng)科學的概念來構(gòu)建新的算法；另一方面，人工智能也加速了神經(jīng)科學的研究，神經(jīng)科學家可以通過AI來解釋人類大腦。毫無疑問，這兩個學科在未來將會聯(lián)手發(fā)展，互相促進，筆者對此抱有非常樂觀的態(tài)度。

最后再次回到DeepMind的觀點：我們敦促神經(jīng)科學和人工智能的研究人員找到一種共同語言，允許知識的自由流動，這有助于兩種領域的持續(xù)進步。

責任編輯：Ct