人工智能與神經(jīng)科學(xué)，這兩個(gè)看似相隔甚遠(yuǎn)的學(xué)科，實(shí)際上有著非常緊密的聯(lián)系。這兩個(gè)領(lǐng)域的協(xié)作是必然的。

正如DeepMind認(rèn)為的那樣：在如此多的利害關(guān)系下，目前神經(jīng)科學(xué)領(lǐng)域和人工智能結(jié)合的需求比以往任何時(shí)候都更加迫切。本文將從兩個(gè)方面探討這個(gè)主題：神經(jīng)科學(xué)如何啟發(fā)人工智能，以及人工智能如何推進(jìn)神經(jīng)科學(xué)。

神經(jīng)科學(xué)如何啟發(fā)人工智能

神經(jīng)科學(xué)在人工智能的發(fā)展史上扮演了關(guān)鍵角色，它一直是構(gòu)建人工智能的靈感來(lái)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(luò)。

模擬人類智能的人工智能系統(tǒng)。

近來(lái)人工智能取得了驚人的進(jìn)步，例如：

· 勝過(guò)最強(qiáng)星際爭(zhēng)霸玩家的視頻游戲

· 比醫(yī)生更快更好地檢測(cè)乳腺癌

· 可靠的對(duì)象識(shí)別，例如特斯拉的自動(dòng)駕駛汽車(chē)

這些機(jī)器能夠比人類更好地執(zhí)行任務(wù)和解決問(wèn)題，實(shí)現(xiàn)與人類相媲美甚至超過(guò)人類的性能。但是，無(wú)論看起來(lái)多么驚人，它們的設(shè)計(jì)意圖都不過(guò)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(shí)間。

盡管思想先進(jìn)，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(jī)器像人一樣學(xué)習(xí)或思考，它還需要能夠：

· 解釋以及理解問(wèn)題

· 通過(guò)學(xué)習(xí)來(lái)獲取知識(shí)

· 將知識(shí)運(yùn)用到新的任務(wù)和情況中

在KAIST的一項(xiàng)研究中，研發(fā)人員探究人類元強(qiáng)化學(xué)習(xí)的計(jì)算和神經(jīng)機(jī)制，發(fā)現(xiàn)人類在做決定時(shí)，可以適應(yīng)復(fù)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(wèn)題的模型。他們的發(fā)現(xiàn)打開(kāi)了這樣一種可能性：技術(shù)的進(jìn)步可能有助于制造出更像人類的機(jī)器。

人們希望能制造真正像人類一樣學(xué)習(xí)和思考的機(jī)器。就像即使蒙著眼睛，我們?nèi)匀豢赡軓椇眉５绻麚Q成AI，其表現(xiàn)可能會(huì)大打折扣。

建立模擬大腦結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)。

人腦包含大約860億個(gè)神經(jīng)元，每個(gè)神經(jīng)元都與其他神經(jīng)元相連。生物神經(jīng)元是細(xì)胞：當(dāng)一個(gè)神經(jīng)元激活時(shí)，它會(huì)產(chǎn)生一個(gè)棘波，并向其他神經(jīng)元發(fā)送信號(hào)。

我們從人腦結(jié)構(gòu)中吸取了靈感，設(shè)計(jì)出了今天的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)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(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)也由相互連接的神經(jīng)元組成。當(dāng)一個(gè)神經(jīng)元接收到輸入時(shí)，它就會(huì)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(xué)習(xí)新的東西，都是在創(chuàng)造和加強(qiáng)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(luò)輸入大量數(shù)據(jù)時(shí)，它也會(huì)學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)上的每個(gè)連接都與一個(gè)權(quán)重相關(guān)聯(lián)，權(quán)重決定了神經(jīng)元之間的重要性。在訓(xùn)練過(guò)程中，權(quán)重相應(yīng)地調(diào)整，以加強(qiáng)或削弱神經(jīng)元之間的聯(lián)系。

例如，當(dāng)我們看一張貓的照片時(shí)，我們知道這是一只貓，因?yàn)槲覀冊(cè)谏钪幸?jiàn)過(guò)足夠多的貓。同樣，如果給神經(jīng)網(wǎng)絡(luò)提供足夠多的貓圖像，它就會(huì)開(kāi)始識(shí)別貓。

在了解神經(jīng)科學(xué)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(luò)后，反過(guò)來(lái)看看，人工智能又會(huì)如何推進(jìn)神經(jīng)科學(xué)。

人工智能如何推進(jìn)神經(jīng)科學(xué)

人工智能正在迅速成為神經(jīng)科學(xué)中的一個(gè)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(xué)的發(fā)展。

人工智能加速神經(jīng)科學(xué)的發(fā)展和發(fā)現(xiàn)。

機(jī)器學(xué)習(xí)的主要優(yōu)勢(shì)在于能夠識(shí)別復(fù)雜數(shù)據(jù)中的模式，尤其在涉及到分析人類的思想時(shí)。大腦發(fā)出的信號(hào)真的很復(fù)雜。隨著機(jī)器學(xué)習(xí)的推進(jìn)，神經(jīng)科學(xué)家正在破解數(shù)十億個(gè)大腦神經(jīng)元協(xié)同工作的秘密。

功能性磁共振成像通過(guò)檢測(cè)血液流動(dòng)的變化來(lái)測(cè)量大腦的活動(dòng)，它每秒都能生成大腦活動(dòng)的高維快照。使用機(jī)器學(xué)習(xí)來(lái)分析數(shù)據(jù)有助于發(fā)現(xiàn)大腦活動(dòng)的方式，從而加快研究工作。

機(jī)器學(xué)習(xí)還有助于開(kāi)發(fā)以前認(rèn)為不可能的應(yīng)用程序。韓國(guó)大學(xué)設(shè)計(jì)了一個(gè)控制下肢外骨骼的實(shí)驗(yàn)，測(cè)試者可以通過(guò)盯著閃爍的燈光集中注意力來(lái)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(xué)家正在研究人腦如何思考以及如何控制身體移動(dòng)。通過(guò)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(yùn)動(dòng)能力。

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

神經(jīng)網(wǎng)絡(luò)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(dòng)模式，類似于從大腦記錄下來(lái)的模式。有了這些模式，神經(jīng)科學(xué)家可以在進(jìn)行實(shí)際測(cè)試之前，測(cè)試假設(shè)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(luò)只是大腦工作方式的一個(gè)粗略模擬，它將神經(jīng)元建模為高維矩陣中的數(shù)字。但實(shí)際上，人類大腦是一個(gè)復(fù)雜的生物機(jī)器，需要化學(xué)反應(yīng)和腦電活動(dòng)。這正是人類區(qū)別于機(jī)器的地方。

由此可見(jiàn)，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(xué)的概念來(lái)構(gòu)建新的算法；另一方面，人工智能也加速了神經(jīng)科學(xué)的研究，神經(jīng)科學(xué)家可以通過(guò)AI來(lái)解釋人類大腦。毫無(wú)疑問(wèn)，這兩個(gè)學(xué)科在未來(lái)將會(huì)聯(lián)手發(fā)展，互相促進(jìn)，筆者對(duì)此抱有非常樂(lè)觀的態(tài)度。

最后再次回到DeepMind的觀點(diǎn)：我們敦促神經(jīng)科學(xué)和人工智能的研究人員找到一種共同語(yǔ)言，允許知識(shí)的自由流動(dòng)，這有助于兩種領(lǐng)域的持續(xù)進(jìn)步。

責(zé)任編輯：Ct