美国东部时间5月9日,在《Nature》网上公开发表了AI研究成果论文,在神经学和人工智能领域受到了冲击。这篇论文由英国DeepMind团队(阿法犬和阿法元的开发者)和UniversityCollegeLondon (伦敦大学学院)于年出版。这个高度抽象化的论文的背后,说明了AI已经可以分解“网状细胞”的功能,构筑像人类一样的自动追踪的事实。
网状细胞必须告诉我们人类是亿万年进化后的第一部生命杰作。几千万年来,动物和人可以在自然空间中避开和行走美好的障碍,但其理解和计算基础还未知。是在EdvardMoser找到网状细胞之前,帮助人类(或动物)认识的细胞。因此,他在2014年获得了诺贝尔生理学或医学奖。
网状细胞是不存在于动物大脑的细胞,不存在于内腺皮质,具有明显的空间静电特性,呈现网状图案的静电结构。在最近的这篇论文的研究中,伦敦大学学院和DeepMind共同开发的AI模拟系统可以自动分解非常接近脑细胞活动的网格模式,帮助老鼠自动寻找捷径。更令人吃惊的是,在实验中,计算机模拟大鼠可以通过类格子细胞代码在虚拟世界的迷宫中编码优良的导航系统,找到进入迷宫的捷径! 这个成果的发表政治一直在宣传至今为止的AI技术和设计逻辑。因为对AI来说,只需要回到数据训练中预先设定的道路,就不可能通过自己判别来请求行驶路线。
另一方面,随着这一成果,以人类科学家几乎没有研究网格细胞的功能为前提,“黑匣子”AI已经为人类详细模拟了网格细胞。据此,EdvardMoser评价为“Thispapercameoutoftheblue,likeashot,and it’sveryexciting.itisstrikingthatthecomputermood”。endedupwiththegridpatternweknowfrombiology.(这篇论文的成果令人愤慨和兴奋。
令人吃惊的是,如果给电脑几乎不同的角度,就可以得出只通过生物研究就能找到的网格图案。约翰霍普金斯大学的神经学家FrancescoSavelli和JamesKnierim也于同期《Nature》上映了名为《AImimicsbraincodesfornavigation》的新闻体育节目, “itisinterestingthatthenetwork startingfromverygeneralcomputationalassumptionsthatdonottakeintoaccountspecificbiologicalmechanie foundasolutiontopathintegrationthatseemssimilartothebrain’s.thatthenetworkconvergedonsuchasolutioniscompellingevidences rid ced upportspathintegration.(有趣的是,神经网络不考虑特定的生物学机制,而是从非常广泛的计算假设开始,寻找接近大脑的路径构建解决方案。这是有说服力的证据,证明网格模式明显有助于(人类的)导航系统。每个人都很佩服AI的强大,似乎很佩服能把非常简单的公式变成简单的生物模型的“才能”。
本文来源:开云下载-www.qdjinrunze.com