AI和神经科学:一个良性循环

时间:2019-03-10 14:12:43 阅读:20次
AI和神经科学:一个良性循环

  人工智能的最新进展非常出色。人工系统现在在Atari视频游戏,古老的棋盘游戏Go以及单挑扑克的高风险比赛中胜过专家。它们还可以产生与人类无法区分的手写和语音,在多种语言之间进行翻译,甚至可以按照梵高杰作的风格重新格式化您的假日快照。

  这些进步归因于几个因素,包括新统计方法的应用和计算机处理能力的提高。但是最近在“神经元”杂志的一篇Perspective中,我们认为一个经常被忽视的贡献是使用来自实验和理论神经科学的思想。

  心理学和神经科学在人工智能史上发挥了关键作用。 Donald Hebb,Warren McCulloch,Marvin Minsky和Geoff Hinton等创始人最初的动机都是为了理解大脑的运作方式。事实上,在整个20世纪后期,开发神经网络的许多关键工作都不是在数学或物理实验室,而是在心理学和神经生理学系。

  如此重要的是,神经科学和人工智能领域的需求现在比以往任何时候都更迫切。

  在DeepMind,我们认为,尽管两个领域都取得了快速进展,但研究人员不应忽视这一愿景。我们敦促神经科学和人工智能的研究人员找到一种共同语言,允许自由流动的知识,这将使两个方面都能继续取得进展。

  我们认为,从人工智能研究中吸取神经科学的灵感很重要,原因有两个。首先,神经科学可以帮助验证已经存在的AI技术。简而言之,如果我们发现我们的一个人工算法模仿大脑中的一个功能,它表明我们的方法可能正在走上正轨。其次,神经科学可以为构建人工大脑时采用的新类型的算法和架构提供丰富的灵感来源。传统的人工智能方法在历史上一直由基于逻辑的方法和理论数学模型所主导。我们认为神经科学可以通过识别可能对认知功能至关重要的生物计算类别来补充这些。

  最近举例说明神经科学的一项开创性发现:发现离线体验“重播”。在睡眠或安静休息期间,生物大脑“重放”在早期活动期产生的神经元活动的时间模式。例如,当大鼠穿过迷宫时,“放置”细胞在动物移动时激活。在休息期间,观察到相同的神经元活动序列,好像大鼠在精神上重新构想其过去的运动,并使用它们来优化未来的行为。实际上,已经证明干扰重放会在以后执行相同任务时损害性能。

全屏 fullscreen_mobile '重播'是DQN的关键元素,DQN是一种能够不断调整其行为以适应新环境的通用代理

  乍一看建立一个需要“睡眠”的人造代理似乎违反直觉 - 毕竟,他们应该在程序员上床后很长时间内解决计算问题。但是这个原则是我们的深Q网络(DQN)的一个关键部分,这个算法学会掌握各种各样的Atari 2600游戏到超人级别,只有原始像素和得分作为输入。 DQN模仿“体验重放”,通过存储其“离线”评论的训练数据子集,使其能够从过去发生的成功或失败中重新学习

  这样的成功让我们相信神经科学已经成为人工智能的重要思想来源。但展望未来,我们相信它将成为帮助我们解决未解决问题的必不可少的问题,例如关于有效学习,理解物质世界和想象力的问题。

  想象力对于人类和动物来说是一项非常重要的功能,使我们能够在不采取行动的情况下规划未来的情景;可能需要付出代价的东西。考虑一个简单的例子,例如计划假期。为了做到这一点,我们利用我们的世界知识 - 或“模型”,并用它来及时投射,评估未来的状态,并允许我们计算我们需要采取的路线或晴天所需的衣服。人类神经科学的前沿研究开始揭示支持这种思维的计算和系统机制,但这种新理解的大部分尚未被纳入人工模型。

全屏 fullscreen_mobile 神经科学和人工智能领域有着漫长而交织的历史

  当代人工智能研究的另一个关键挑战被称为转移学习。为了能够有效地处理新情况,人工代理需要能够利用现有知识做出明智的决策。人类已经擅长这一点 - 即使面对陌生的车辆,操作系统或社交场合,驾驶汽车,使用笔记本电脑或主持会议的人通常也能够应对。

  研究人员现在开始迈出第一步,了解如何在人工系统中实现这一目标。例如,被称为“渐进式网络”的新类型的网络架构可以使用在一个视频游戏中学习的知识来学习另一个。同样的架构也被证明可以将知识从模拟机器人手臂传递到真实世界的手臂,大大缩短了训练时间。有趣的是,这些网络与人类顺序任务学习模型有一些相似之处。这些诱人的联系表明,未来的人工智能研究有很多机会可以从神经科学的工作中学习。

但是,这种知识交流不可能是一条单行道。神经科学也可以从AI研究中受益。采取强化学习的想法 - 当代人工智能研究的核心方法之一。虽然最初的想法来自心理学中的动物学习理论,但它是由机器学习研究人员开发和阐述的。这些后来的想法反馈到神经科学,以帮助我们了解神经生理学现象,如哺乳动物基底神经节中多巴胺神经元的射击特性。

  如果这两个领域都要继续建立彼此的见解,那么这个来回是必不可少的,创造了一个良性循环,人工智能研究人员使用神经科学的思想来构建新技术,神经科学家从人工智能的行为中学习以更好地解释生物大脑。事实上,由于光遗传学等最近的进步使得我们可以精确测量和操纵大脑活动,产生大量可以用机器学习工具分析的数据,这个周期可能会加速。

  因此,我们相信将智能提取到算法中并将它们与人脑进行比较至关重要。它不仅可以加强我们开发人工智能的努力,我们希望这种工具可以创造新知识并推动科学发现,但也可以让我们更好地了解自己内心正在发生的事情。这可以揭示神经科学中一些最持久的奥秘,例如创造力,梦想的性质,或许有一天,甚至是意识。如此重要的是,神经科学和人工智能领域的需求现在比以往任何时候都更迫切。


  在此下载完整的论文。

AI和神经科学:一个良性循环所属专题:AI 《AI和神经科学:一个良性循环》链接:http://www.cnnaili.cn/1120

AI和神经科学:一个良性循环相关文章

  • 在简单环境中指定AI安全问题
  • 为什么Streams还没有使用AI?
  • 安全第一AI用于自动数据中心冷却和工业控制
  • AI在帮助计划头部和头部患者治疗中的有希望的作用。颈癌
  • AlphaFold:使用AI进行科学发现
  • Inbenta被Crunchbase / Forbes评为顶级AI公司
  • 互联网零售商独家:人工智能体验提升底线 - Inbenta
  • 人工智能:它可以改变我们的生活方式
  • 律师事务所如何利用人工智能的进步
  • 政府和人工智能:在省钱的同时提高效率 - Inbenta
  • 世界饥饿:AI如何解决我们最大的问题之一 - Inbenta
  • AI Sport,运动员多久才开始使用人工智能?
  • AI医生:人工智能如何帮助医学 - Inbenta
  • 安全实施基于AI的Chatbot的6种方法 - Inbenta
  • 通过学术合作推进核心AI研究
  • 通过人工智能技术扩展温布尔登高清卷轴的视频制作
  • Grad学生赢得IBM Fimship to Mimic Brain Architecture
  • 2017年CVPR的IBM研究:通过计算机视觉帮助人工智能系统
  • 麻省理工学院和IBM:将我们的“思想和手”放在一起,共同创造人工智能的未来
  • 最佳思维:IBM致力于与大学合作伙伴推进人工智能研究
  • 基于人工智能的低薪工人财务顾问
  • 人工智能的时代 - 以及将提供它的技术
  • IBM科学家在人工智能应用程序中展示了100万个设备的内存计算
  • 硬件的未来是人工智能
  • IBM AA AI在AAAI人工智能会议上发表
  • 在ICLR 2018年探索人工智能前沿
  • 人工智能的未来需要更好的计算:基于模拟存储设备的硬件加速器
  • 人工智能服务的实况报道
  • 人工智能与人类创造力齐头并进
  • 建立符合道德标准的人工智能