在一項最新的研究中，科學家讓深度學習算法自發的模仿了大腦中一種特定神經元的活動。這種神經元活動可以確定我們在空間中的位置，進而幫助我們進行尋路與導航。這項研究發表於5月9日的《自然》雜誌。

在一項最新的研究中，科學家利用人工智能再現了大腦中用於處理在空間中行動的複雜神經代碼。這一壯舉證明了，人工智能算法可以幫助傳統的神經科學研究來測試大腦的運作機制。但學者們認爲，這種研究還不能替代神經科學家們的工作。

這項研究的程序是倫敦大學學院（University College London）的神經科學家們與谷歌公司DeepMind項目組的人工智能研究者們一同開發的。它使用了一種叫做“深度學習”的技術——一種由大腦結構啓發的人工智能——來訓練一隻由計算機模擬的“老鼠”去在虛擬空間中尋路。

這個程序運行後讓科學家們非常震驚，因爲它自發的模擬了哺乳動物大腦中的“網格細胞”的工作機制：利用六邊形網格在空間中尋路。

“令人喫驚的是，計算機從一個完全不同的角度切入並自主再現了生物大腦中的網絡模式”，網格細胞的發現者，並以相關研究獲得2014年諾貝爾生理學或醫學獎的神經科學家愛德華·莫澤（Edvard Moser）說。他表示，這項工作讓人不禁確信，哺乳動物的大腦已經開發出了一種優化空間代碼的最佳方式。

人工智能再現了網格細胞的工作機制

研究中，科學家們使用深度學習網絡（一種基於互相通信的重複計算單元）來測試神經科學中的一個猜想：大腦會利用網格細胞，來整合自身運動的方向和速度信息，進而在空間中定位。

首先，研究人員獲得了用來訓練這種算法的數據。他們模擬了虛擬老鼠在圍欄中覓食的路徑，以及齧齒動物大腦中負責位置與頭部方向細胞（不是網格細胞）的活動。之後，他們用這些數據來訓練深度學習算法，讓它在虛擬空間中進行自主定位。他們發現，網格細胞的六邊形網格模式會自發的出現在計算單元之中——就像是實驗室中真實的老鼠大腦那樣。

“我們早就希望看到網格的生成，但這樣的結果出來後依然讓人很驚歎”，這項研究的作者之一，加州大學洛杉磯分校的神經學家卡斯韋爾·巴里（Caswell Barry）說道，“我在實驗中見過它們很多次，其規律性是如此美麗。”

深度學習的“虛擬老鼠”

之後科學家們發現，需要在系統中增加一些人工噪聲，來讓其工作方式更加接近於大腦。“這是我們理論神經科學家一直在思考的問題，但在此之前從未得到測試”，慕尼黑大學的計算神經科學家安德烈亞斯·赫茨（Andreas Herz）說道。

然後，研究人員設計了虛擬場景，來測試這隻“老鼠”。這個場景是一個迷宮一樣的大籠子，虛擬老鼠需要在其中走向特定的目標。在此，研究人員還爲系統增加了另一個程序，讓其有了學習所需的記憶和獎勵功能。虛擬老鼠很快學會了通過嘗試並發現錯誤來尋找到目標，它們變得越發熟練，並開始採取捷徑來解決問題。這個結果甚至超越了人類專家在相同尋路任務中的表現。

而且，研究人員發現，如果阻斷了這種網格模式的形成，虛擬老鼠就很難再迷宮中正確導航了。“關閉了網格細胞之後，‘老鼠’的尋路能力就不復存在了”，巴里說道。

文章的作者之一，安德里亞·巴尼諾（Andrea Banino）與DeepMind的研究人員都表示，與神經科學家的合作激發了這一人工智能的研究。巴尼諾說：“現在，這僅僅是對智能算法的基礎研究，還沒有到應用層面。”

並且，雖然研究人員認爲這可以作爲一個有用的工具來測試對大腦運行機制的假設，但它不太可能回答大腦是如何使用、爲什麼使用特定代碼等問題。“當我看到報道的時候，我真的很興奮，似乎人工智能可以加速我們對於大腦導航機制的研究”，莫澤說，“但這取代不了神經科學家的工作。”