5月9日,DeepMind 团队与 UCL 在 Nature 上发表重磅研究成果:人工智能演化出和动物大脑类似的空间导航能力,引起人工智能和神经科学领域的热议。本文是 DeepMind 官网对这项工作的介绍。
网格细胞——动物大脑里的 GPS
大多数动物,包括人类,都能灵活地在他们所生活的世界中辨别方向。这样就可以探索新地方,迅速回到记忆中的地点,同时还能“抄近路”。事实上,这些能力对我们而言是非常简单和自然的,以至于我们不能马上看出这潜在的过程到底有多复杂。相比而言,人工智能在很多方面都已经远远超过了人类,但是在空间导航能力方面,还差的很远。
2005年,一个惊人的发现揭示了神经系统空间导航能力的一个关键机制:当动物探索环境的时候,神经元会以六边形网格的模式激活。类似于地图上的网格线,这样的网格对于导航能力是有促进作用的。
动物脑中激活的网格细胞
这些被称为网格细胞(grid cell)的神经元除了给动物装备了一个内部的坐标系外,最近也被作为一种假说来支持基于矢量的导航系统(vector-based navigation)。意思就是说,这使得大脑可以像乌鸦飞行那样(利用欧几里得距离)计算目的地的距离和方向,就算没有遵循准确的路线,也可以在不同地方之间旅行。
首次发现网格细胞的研究小组,因为揭示出空间认知表征可能的工作方式,于2014年共同获得诺贝尔生理学或医学奖。但是经过了十多年的理论研究,我们仍然不清楚网格细胞的计算功能,以及网格细胞是否支持基于矢量的导航。
当 Agent 穿过一些称之为激活区域(firing fields)的地方时,网格细胞的激活模式。
这个颜色编码的图,显示了生理上的网格细胞的激活强度分布。颜色变化表示强度从最弱的蓝色到最强的橙色。
在解剖学上,生物上的网格细胞被分割成不同尺度的神经单元(灰色的椭圆)。每个规模的神经元在图上呈激活状态即橙色。通过解读网格细胞活动的模式,即“网格编码”,动物就可以在环境中进行定位。
网格细胞激活区域通过三角形连边,形成了网格遵循的六边形规则。
人工智能自发演化出与动物网格细胞类似的网络结构
DeepMind在最近在Nature上发布的论文"Vector-based navigation using grid-like representations in artificial agents"上,研究人员开发了一个智能主体(Artificial Agent)来验证网格细胞是否支持了“基于矢量的导航系统”的理论。
研究人员首先训练了一个RNN网络,这个网络主要利用了一个运动相关的速度信号,来在虚拟环境中对自己所处的位置进行定位。这个能力主要被人类用于在不熟悉或者很难找到地标的环境中(比如黑暗环境)进行定位。
研究人员发现类似动物的六边形网格,很自然地就出现在了神经网络中。而且跟在人类的神经活动中观测到的模式非常的相似。也支持了网格细胞提供了一种对空间的高效编码的观点。
人工智能生成了类似网格的表示(上图),这跟哺乳动物的网格细胞(下图)非常相似。