冷泉港實驗室(CSHL)神經(jīng)科學(xué)家Anthony Zador說，人工智能(AI)仍然需要從動物腦中學(xué)到很多東西?，F(xiàn)在，他希望神經(jīng)科學(xué)的教訓(xùn)可以幫助下一代人工智能克服一些特別困難的障礙。
醫(yī)學(xué)博士安東尼·扎多爾(Anthony Zador)在其職業(yè)生涯中致力于將個體神經(jīng)元描述為構(gòu)成活腦的復(fù)雜神經(jīng)網(wǎng)絡(luò)。但他的職業(yè)生涯開始研究人工神經(jīng)網(wǎng)絡(luò)(ANNs)。人工神經(jīng)網(wǎng)絡(luò)是最近人工智能革命背后的計算系統(tǒng)，其靈感來自動物和人類大腦中神經(jīng)元的分支網(wǎng)絡(luò)。然而，這個廣泛的概念通常是靈感結(jié)束的地方。
在最近發(fā)表在Nature Communications上的透視文章中，Zador描述了改進(jìn)的學(xué)習(xí)算法如何允許AI系統(tǒng)在越來越多的更復(fù)雜的問題(如國際象棋和撲克)上實現(xiàn)超人的表現(xiàn)。然而，機(jī)器仍然被我們認(rèn)為最簡單的問題困擾。
解決這個悖論可能最終使機(jī)器人能夠?qū)W習(xí)如何做一些有機(jī)的東西，如跟蹤獵物或筑巢，甚至像人類和平凡的東西一樣做菜 - 谷歌首席執(zhí)行官埃里克施密特曾稱之為“字面上的第一要求......但是對于一個機(jī)器人來說這是一個非常困難的問題。
“我們覺得很難找到的東西，比如抽象思想或國際象棋，對于機(jī)器來說實際上并不困難。我們覺得這些東西很容易，比如與物理世界相互作用，這很難，”Zador解釋說。“我們認(rèn)為這很簡單的原因是我們有5億年的進(jìn)化已經(jīng)連接了我們的電路，因此我們可以毫不費力地完成它。”
這就是為什么Zador寫道，快速學(xué)習(xí)的秘訣可能不是一個完善的通用學(xué)習(xí)算法。相反，他認(rèn)為通過進(jìn)化雕刻的生物神經(jīng)網(wǎng)絡(luò)提供了一種腳手架，以便于快速輕松地學(xué)習(xí)特定類型的任務(wù) - 通常是那些對生存至關(guān)重要的任務(wù)。
舉個例子，Zador指向你的后院。
“你的松鼠可以在出生后幾周內(nèi)從一棵樹跳到另一棵樹，但是我們沒有老鼠學(xué)到同樣的東西。為什么不呢?”扎多說。“這是因為一個人在基因上被預(yù)先確定為一個樹棲生物。”
Zador認(rèn)為，這種遺傳易感性的一個結(jié)果是有助于指導(dǎo)動物早期學(xué)習(xí)的先天電路。然而，這些腳手架網(wǎng)絡(luò)遠(yuǎn)不如大多數(shù)AI專家所追求的機(jī)器學(xué)習(xí)的靈丹妙藥。Zador認(rèn)為，如果人工神經(jīng)網(wǎng)絡(luò)確定并采用了類似的電路組合，未來的家用機(jī)器人可能只有一天會給我們帶來干凈的菜肴。
