編譯 李升偉

深度學(xué)習(xí)算法可自發(fā)模擬特殊神經(jīng)元的活動(dòng)，這種神經(jīng)元活動(dòng)可以告訴我們?cè)诳臻g的位置。

科學(xué)家已經(jīng)使用人工智能來再現(xiàn)大腦用以空間導(dǎo)航的復(fù)雜神經(jīng)密碼。這一成功之舉論證了強(qiáng)有力的人工智能算法可以輔助傳統(tǒng)的神經(jīng)科學(xué)研究來檢測(cè)大腦的工作原理，但是研究人員說，這一方法到目前為止不能代替神經(jīng)科學(xué)家的工作。

這套計(jì)算機(jī)程序發(fā)表在2018年5月9日的《自然》雜志上，由英國倫敦大學(xué)學(xué)院的神經(jīng)科學(xué)家和倫敦谷歌公司的Deep Mind公司的人工智能研究人員共同開發(fā)。它使用深度學(xué)習(xí)技術(shù)來訓(xùn)練計(jì)算機(jī)模擬的大鼠以跟蹤它在虛擬環(huán)境中的位置。

令科學(xué)家吃驚的是，這一程序自發(fā)生成了六邊形的活動(dòng)模式，類似于哺乳動(dòng)物大腦內(nèi)的導(dǎo)航細(xì)胞（網(wǎng)格細(xì)胞）的活動(dòng)模式。真實(shí)大鼠實(shí)驗(yàn)已經(jīng)證明，網(wǎng)格細(xì)胞對(duì)大鼠如何在空間追蹤其自身位置是極其重要的。更重要的是，模擬大鼠能夠使用類似網(wǎng)格細(xì)胞的編碼來很好瀏覽虛擬的迷宮，甚至學(xué)會(huì)了走捷徑。

“令人吃驚的是，來自完全不同角度的計(jì)算機(jī)模型最終成為我們從生物學(xué)中所知的網(wǎng)格模式?！迸餐萍即髮W(xué)科維里系統(tǒng)神經(jīng)科學(xué)研究所的神經(jīng)科學(xué)家愛德華·莫澤（Edvard Moser）說。莫澤因與人共同發(fā)現(xiàn)了網(wǎng)格細(xì)胞和大腦的其他相關(guān)導(dǎo)航神經(jīng)元而獲得了2014年的諾貝爾生理醫(yī)學(xué)獎(jiǎng)。

德國慕尼黑路德維格·馬克西米蘭大學(xué)計(jì)算神經(jīng)科學(xué)家安德里亞斯·赫茨（Andreas Herz）說：“如下的工作將會(huì)極其有趣，即分析深度學(xué)習(xí)系統(tǒng)的內(nèi)部工作機(jī)理，查看作者是否已經(jīng)發(fā)現(xiàn)輔助空間導(dǎo)航的通用計(jì)算原理?！?/p>

這項(xiàng)研究的作者使用深度學(xué)習(xí)網(wǎng)絡(luò)（基于彼此通訊的重復(fù)計(jì)算單元）來檢驗(yàn)神經(jīng)科學(xué)的假說：大腦使用網(wǎng)格細(xì)胞，通過整合關(guān)于軀體運(yùn)動(dòng)的速度和方向的信息而定位它在某種環(huán)境中的位置。

首先，作者生成一些數(shù)據(jù)來訓(xùn)練其算法。他們模擬出虛擬大鼠在圍場中覓食的路徑，模擬大鼠在其中移動(dòng)時(shí)位置細(xì)胞和頭部方向細(xì)胞（不是網(wǎng)格細(xì)胞）的活動(dòng)。然后，他們使用這些數(shù)據(jù)來訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)去識(shí)別模擬大鼠的位置。研究人員發(fā)現(xiàn)，在計(jì)算單元內(nèi)自發(fā)出現(xiàn)了類似網(wǎng)格細(xì)胞的六邊形活動(dòng)模式，就像是實(shí)驗(yàn)室中真實(shí)的老鼠大腦那樣。

大鼠使用被稱為網(wǎng)格細(xì)胞的大腦細(xì)胞幫助它們導(dǎo)航，人工智能程序已經(jīng)可以再現(xiàn)這種能力

此項(xiàng)研究的共同作者之一、倫敦大學(xué)學(xué)院的神經(jīng)科學(xué)家卡斯韋爾·巴里（Caswell Barry）說：“我們一直希望看到這些網(wǎng)格，但在這種情況下看到它們?nèi)匀桓械襟@訝。我在實(shí)驗(yàn)中見過它們很多次，它們的規(guī)律性如此美妙。”

科學(xué)家發(fā)現(xiàn)，他們需要微調(diào)系統(tǒng)以增加一些人工噪音，使其更加接近大腦的情形，出現(xiàn)類似網(wǎng)格細(xì)胞的活動(dòng)。

接下來，研究人員對(duì)系統(tǒng)進(jìn)行測(cè)試，測(cè)試虛擬老鼠是否可以使用它來導(dǎo)航。他們將模擬大鼠放在一個(gè)設(shè)計(jì)成迷宮的更大圍場之內(nèi)，在那里虛擬大鼠不得不學(xué)會(huì)如何達(dá)到一個(gè)特定的目標(biāo)。作者向系統(tǒng)加入了另一個(gè)程序，導(dǎo)入學(xué)習(xí)所需的記憶和獎(jiǎng)勵(lì)功能。模擬老鼠很快就學(xué)會(huì)了通過反復(fù)試錯(cuò)來找到目標(biāo)，并且變得非常精通，以至于超過了一名試圖完成同樣任務(wù)并開始走捷徑的人類專家。

研究人員發(fā)現(xiàn)，如果他們故意阻止網(wǎng)格模式的形成，模擬老鼠就無法有效地在迷宮中穿行。巴里說：“不能在實(shí)驗(yàn)老鼠上關(guān)閉網(wǎng)格細(xì)胞?！?。

深度思考程序的研究者和本項(xiàng)研究的合作者安德里亞·巴尼諾（Andrea Banino）認(rèn)為，與神經(jīng)科學(xué)家的合作激發(fā)了人工智能的研究。他說：“但在目前，我們進(jìn)行的是智能算法的純基礎(chǔ)研究，還不是應(yīng)用程序?！?/p>

研究人員認(rèn)為，人工智能將成為檢驗(yàn)大腦假說的有用工具，但它不太可能回答關(guān)于大腦如何以及為什么使用特定代碼的問題。莫澤說：“當(dāng)我讀到這篇論文的時(shí)候，我真的很激動(dòng)，人工智能似乎能夠加速我們對(duì)大腦如何導(dǎo)航的研究。但它將不會(huì)取代神經(jīng)科學(xué)家?！?/p>

資料來源 Nature