受人腦功能啟發(fā)的新型人工智能

近年來，人工智能(AI)推動了高性能自動學(xué)習(xí)技術(shù)的發(fā)展。但是，這些技術(shù)通常是逐個(gè)任務(wù)應(yīng)用的，這意味著為一個(gè)任務(wù)訓(xùn)練的智能代理在其他任務(wù)(甚至非常相似的任務(wù))上的執(zhí)行效果會很差。為了克服這個(gè)問題，列日大學(xué)(ULiège)的研究人員開發(fā)了一種基于生物學(xué)機(jī)制的新算法，稱為神經(jīng)調(diào)節(jié)。該算法可以創(chuàng)建能夠執(zhí)行訓(xùn)練期間未遇到的任務(wù)的智能代理。這個(gè)新穎而卓越的結(jié)果將在本周的《PLOS ONE》雜志上發(fā)表。

盡管近年來AI領(lǐng)域取得了巨大進(jìn)步，但我們離人類智能還很遠(yuǎn)。的確，如果當(dāng)前的AI技術(shù)允許訓(xùn)練計(jì)算機(jī)代理以更好地執(zhí)行某些任務(wù)，而不是專門針對他們進(jìn)行人工訓(xùn)練，那么當(dāng)這些代理處于與經(jīng)歷過的條件(甚至略有不同)的條件下時(shí)，它們的性能通常非常令人失望在訓(xùn)練中。

通過使用一生中獲得的技能，人類能夠非常有效地適應(yīng)新情況。例如，一個(gè)學(xué)會在客廳里走路的孩子也會很快學(xué)會在花園里走路。在這種情況下，學(xué)習(xí)走路與突觸可塑性有關(guān)，突觸可塑性改變了神經(jīng)元之間的聯(lián)系，而在客廳學(xué)習(xí)到的行走技能與在花園中行走所需的快速適應(yīng)技能則與神經(jīng)調(diào)節(jié)有關(guān)。神經(jīng)調(diào)節(jié)通過化學(xué)神經(jīng)調(diào)節(jié)劑修飾神經(jīng)元本身的輸入-輸出特性。

突觸可塑性是人工智能所有最新進(jìn)展的基礎(chǔ)。然而，到目前為止，還沒有科學(xué)的工作提出將神經(jīng)調(diào)節(jié)機(jī)制引入人工神經(jīng)網(wǎng)絡(luò)的方法。這個(gè)相當(dāng)特殊的結(jié)果，是本周在《PLOS ONE》雜志上描述的，是列日大學(xué)的神經(jīng)科學(xué)家與人工智能研究人員之間極富成果的合作結(jié)果，該研究人員開發(fā)了智能算法：兩名博士學(xué)位。學(xué)生Nicolas Vecoven和Antoine Wehenkel，以及兩位教授Damien Ernst(人工智能專家)和Guillaume Drion(神經(jīng)科學(xué)家)。

這些ULiège研究人員已經(jīng)開發(fā)了完全原始的人工神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)，引入了兩個(gè)子網(wǎng)之間的交互作用。第一個(gè)考慮與要解決的任務(wù)有關(guān)的所有上下文信息，并在此信息的基礎(chǔ)上以大腦化學(xué)神經(jīng)調(diào)節(jié)劑的方式對第二個(gè)子網(wǎng)進(jìn)行神經(jīng)模塊化。由于神經(jīng)調(diào)節(jié)，第二個(gè)子網(wǎng)決定了智能代理要執(zhí)行的動作，因此可以非常迅速地適應(yīng)當(dāng)前任務(wù)。這使代理可以有效地解決新任務(wù)。