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習技術的發(fā)展。但是，這些技術通常是逐個任務應用的，這意味著為一個任務訓練的智能代理在其他任務(甚至非常相似的任務)上的執(zhí)行效果會很差。為了克服這個問題，列日大學(ULiège)的研究人員開發(fā)了一種基于生物學機制的新算法，稱為神經(jīng)調(diào)節(jié)。該算法可以創(chuàng)建能夠執(zhí)行訓練期間未遇到的任務的智能代理。這個新穎而卓越的結果將在本周的《PLOS ONE》雜志上發(fā)表。

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

通過使用一生中獲得的技能，人類能夠非常有效地適應新情況。例如，一個學會在客廳里走路的孩子也會很快學會在花園里走路。在這種情況下，學習走路與突觸可塑性有關，突觸可塑性改變了神經(jīng)元之間的聯(lián)系，而在客廳學習到的行走技能與在花園中行走所需的快速適應技能則與神經(jīng)調(diào)節(jié)有關。神經(jīng)調(diào)節(jié)通過化學神經(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展的基礎。然而，到目前為止，還沒有科學的工作提出將神經(jīng)調(diào)節(jié)機制引入人工神經(jīng)網(wǎng)絡的方法。這個相當特殊的結果，是本周在《PLOS ONE》雜志上描述的，是列日大學的神經(jīng)科學家與人工智能研究人員之間極富成果的合作結果，該研究人員開發(fā)了智能算法：兩名博士學位。學生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)絡體系結構，引入了兩個子網(wǎng)之間的交互作用。第一個考慮與要解決的任務有關的所有上下文信息，并在此信息的基礎上以大腦化學神經(jīng)調(diào)節(jié)劑的方式對第二個子網(wǎng)進行神經(jīng)模塊化。由于神經(jīng)調(diào)節(jié)，第二個子網(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當前任務。這使代理可以有效地解決新任務。