人工智能的最新进展令人瞩目。在Atari视频游戏、古老的棋盘游戏Go和扑克中，人工系统的表现优于专业人类玩家。它们还可以生成与人类无异的笔迹和语音，在不同语言之间进行翻译，甚至可以按照梵高的风格重新设计您的度假照片。这些进步可归因于几个因素，包括新统计方法的使用和计算机计算能力的增长。但根据我们最近在Neuron上发表的论文，有一个因素经常被忽视，即实验和理论神经科学的贡献。心理学和神经科学在人工智能的历史上发挥了关键作用。唐纳德·赫布(DonaldHebb)、沃伦·麦卡洛克(WarrenMcCulloch)、马文·明斯基(MarvinMinsky)和杰夫·辛顿(GeoffHinton)等人工智能的奠基人最初的动机是想了解人脑的工作原理。事实上，在整个20世纪后期，开发神经网络的大部分关键工作并非发生在数学或物理实验室，而是发生在心理学和神经生理学系。由于这种重要性，将神经科学和人工智能领域结合起来的需求比以往任何时候都更加紧迫。在DeepMind，我们认为尽管这两个领域都在快速发展，但研究人员不应该忽视这个想法。我们敦促神经科学和人工智能领域的研究人员寻求一种允许知识自由流动的共同语言，让知识的自由流动促进这两个领域的不断发展。从神经科学中汲取灵感对于AI研究很重要，我们认为有两个原因：首先，神经科学可以帮助验证现有的AI技术。简而言之，如果我们发现我们的人工算法之一可以模仿人脑中的功能，则表明我们的方法可能正朝着正确的方向前进。其次，在构建人工大脑时，神经科学可以为新颖的算法和结构提供丰富的灵感来源。从历史上看，传统的人工智能方法一直以基于逻辑的方法和基于理论数学的模型为主。我们认为神经科学可以通过识别可能对认知功能至关重要的生物计算类别来补充这一点。以最近神经科学的一项重要发现为例：离线体验“重播”的发现。在睡眠或安静休息期间，生物大脑会“回放”早期活跃期产生的神经活动。例如，当鼠标在迷宫中移动时，“放置”单元会随着鼠标移动而激活。在休息期间，在老鼠的大脑中观察到了相同的神经活动序列，就好像老鼠在精神上重新想象了它以前的活动，并用它们来优化未来的行为。事实上，回放的干扰会影响他们以后在同一任务上的表现。“重播”是DQN的关键要素。DQN是一种通用代理，可以不断调整其行为以适应新环境。乍一看，构建一个需要“睡眠”的人工智能代理似乎是违反直觉的——毕竟，他们应该在程序员睡觉后花大量时间在一个可计算的问题上。但这一原则是我们的深度Q网络(DQN)的关键部分，该算法学习将Atari2600游戏掌握到超人的水平，仅依靠原始像素和分数作为输入。DQN通过存储它可以离线“回顾”的训练数据子集来模拟“经验回放”，这使它能够从过去的失败和成功中学习新事物。这样的成功让我们相信神经科学长期以来一直是人工智能思想的重要来源。展望未来，我们相信神经科学将在帮助我们解决一些尚未解决的问题方面变得不可或缺，例如高效学习、理解物理世界和想象力。想象力对人类和动物来说是一个非常重要的功能。想象力使我们能够在未来发生之前就计划好未来。当然，这是有代价的。举一个简单的例子，比如计划假期。为此，我们利用我们对世界的知识或“模型”，并用它来及时推进或评估未来状态。这使我们能够计算出我们需要走的路线，或者在晴天收拾衣服。尽管人类神经科学的前沿研究开始揭示支撑这种思维的计算系统和机制，但这种新理解的大部分尚未应用于人工模型。神经科学和人工智能领域有着悠久而交织的历史。当前人工智能研究的另一个重要挑战是迁移学习。为了能够有效地应对新情况，人工智能体需要在现有知识的基础上做出明智的决定。长期以来，人类一直擅长于此：人们可以驾驶汽车、使用笔记本电脑或主持会议，此外，人类在面对不熟悉的车辆、操作系统或社交环境时通常也很有效。研究人员现在正朝着了解人工智能系统中这种情况如何发生的方向迈出第一步。例如，一种称为“渐进式网络”的新型网络结构可以使用在一个视频游戏中学到的知识来学习另一个视频游戏。同样的结构也被用于将知识从模拟机械臂转移到真实机械臂的场景中，大大减少了训练时间。有趣的是，这些网络与人类连续任务学习模型有某些相似之处。这些联系表明，未来的人工智能研究很可能会从神经科学的工作中学习。但这种知识交流不可能是单向的，神经科学也可以从人工智能研究中获益。以强化学习为例——强化学习是当前人工智能研究的核心方法之一。虽然强化学习的最初思想来自心理学中的动物学习理论，但它是由机器学习研究人员发展和阐述的。这些想法反馈到神经科学研究中，帮助我们理解神经生理学现象，例如哺乳动物基底神经节中多巴胺神经元的放电特性。AI研究人员从神经科学中吸取思想来构建新技术，而神经科学家则从人工代理的行为中学习以更好地解释生物大脑——如果这两个领域要继续建立在彼此的思想之上，并创造良性循环，那么这种来来去去的灵感是必须的。事实上，由于最近的进步，例如光遗传学，它使我们能够精确测量和操纵大脑活动，它产生了大量可以使用机器学习工具进行分析的数据。所以我们认为将智能转化为算法并将其与人脑进行比较是目前非常关键的。这不仅会加强我们对开发人工智能的追求，人工智能是一种有望创造新知识和推进科学发现的工具，而且还可以帮助我们更好地了解人脑内部正在发生的事情。这有可能揭示神经科学的一些奥秘，例如创造力、梦想甚至意识的本质。由于这种重要性，将神经科学和人工智能领域结合起来的需求比以往任何时候都更加紧迫。原文：https://deepmind.com/blog/ai-and-neuroscience-virtuous-circle/【本文为栏目组织《机器之心》原文翻译，微信公众号《机器之心》（id：almosthuman2014)》】点此查看作者更多好文
