用“虫子”自动泊车

研究人员创造了一种机器学习模型,其灵感来自秀丽隐杆线虫的大脑,以创造一种更具解释性的人工智能。

image.png

不起眼的线虫,也被称为秀丽隐杆线虫,在生物学研究中具有重要地位。

自1965年起,科学家Sydney Brenner就利用线虫作为分子生物学和发育生物学研究的模式生物,随后它在胚胎发育、性别决定、细胞凋亡、行为与神经生物学等方面研究中得到广泛应用。

有科学家认为,如果延长线虫生命的科学能应用到人类身上,人类活到500岁将不再是梦想。

此外,线虫还是具有最简单神经系统(nervous system)的生物之一。在雌雄同体中,总共有302个神经元(neuron),其连结形式也已完全被建立出来(small-world network)。

image.png

image.png

因为这些特性,计算机科学家现在正试图将这一神经网络运用到机器学习上,换句话说,创造出蠕虫式AI。

使用一系列互连的计算节点(称为神经网络)重新创建蠕虫大脑通常是极简主义的练习。

最近,由维也纳技术大学的Ramin Hasani教授领导的一个研究小组受线虫神经回路的启发,成功地训练了一个由12个数字神经元组成的网络。

image.png

该线虫神经回路控制着物理反射突触,而训练出来的AI实现了小型遥控车的“自主”平行停车

[视频]:

根据一篇发布在Arxiv上的论文,这项研究的关键不是看蠕虫是否可以驾驶汽车,而是它旨在创建一个人类更易于理解的AI模型。

https://arxiv.org/pdf/1809.04423.pdf

image.png

现在神经网络的一个大问题是它们越复杂(有时包含数百万个节点,之间的连接关系更多),它们对给出的决策的解释就越少,人类有时候很难理解最后的决策是如何作出来的。

当利用AI系统做出非常重要的决定,例如决定雇佣谁,决定谁有罪时,这其实是非常恐怖的事情。

而Ramin Hasani教授创建的这一神经网络,

“因为这些电路很小,所以它们更容易被理解,我们可以比其他系统更好地量化神经元对输出的贡献。如果你的机器学习模型更接近自然学习系统的能力,那么主要优势之一就是更加透明和易于控制。”

这可谓是人工智能受到生物学启发的一个有趣的副产品,我们能够比较两者,看看它们真实的相似之处。

“我们试图通过对现实生活任务的培训来研究这些电路,试图了解实际的蠕虫与这些正在停车的电路之间是否存在关联,”Hasani教授说。

奇怪的是,人工智能模型和真正的秀丽隐杆线虫神经回路都含有两个似乎是对抗性的神经网络——当一个高度活跃时,另一个人则会沉默。

或许未来,会出现一款蠕虫机器人,或者你可以叫蠕虫帮你停车。


分享到:




文章点评:

昵称*

邮箱*

网址