当前位置: 首页 > 云计算

DeepMind重大突破:AI进化出大脑级导航能力,像动物一样会“抄小路”

发布日期:2019-05-31 17:40:50 | 编辑:it技术文章网| 阅读次数:

摘要:AI是多么强大?除了国际象棋,自动驾驶仪,看病,写文章等。,AI可以做?美国东部时间5月9日,一手打造DeepMind队AlphaGo出版了一本重量级的世界顶尖学术期刊“自然”的结果。在一篇题为矢量basednavigationusinggrid-likerepresen

究竟有多强大的AI?

\

除了国际象棋,自动驾驶仪,看病,写文章等。,AI可以做?

美国东部时间5月9日,一手打造DeepMind队AlphaGo出版了一本重量级的世界顶尖学术期刊“自然”的结果。在纸人工坐席采用网格状表示题为基于矢量的导航非常相似的脑网络,DeepMind队表示,已经发展成为一个类似哺乳动物的路由能力,其最新的人工智能程序,工作网格单元。

继容易在棋盘击败人类,AI似乎是任人宰割的巡航和空间认知能力也是人之常情”。

在人类自然空间的能力,您可以轻松地绕过障碍物,发现自己和目的地之间的一条捷径,但其背后的机制尚不清楚。

为了解开这个谜,科学家们一直在孜孜不倦地探索。早在上世纪六十年代末,伦敦大学学院神经生理学家约翰·奥基夫开始研究这个问题,并发现第一个元素位置的细胞(细胞广场),大脑的1971年定位系统。细胞可以在主体的位置被排出到达的特定位置,从而赋予了过去的存储器位置,但是细胞的不位置坐标,不必计算几何的能力。

2005年,5月布里特Moser和爱德华·莫泽夫妇发现大脑内嗅皮质更神奇的网格单元。他们记录特定神经细胞的相应法律的大鼠运动过程中被激活,发现整个空间环境网格单元可以在地图上被划分为六边形蜂窝网格,像坐标。网格细胞的行为是如此令人震惊,在2014年,莫泽夫妻共同获得诺贝尔生理学奖。

然而,网格单元仅仅提供GPS位置服务,在空间环境里?长期以来,人们一直猜测的网格单元配套的病媒生物巡航,它计算到目的地的距离和方向,但人们发现,网格单元,以及其关系的计算功能和载体十余年后的巡航还是未知。

这是Deepmind本文试图解开这个谜。

\

DeepMind团队决定测试猜想利用人工神经网络。人工神经网络是使用模拟大脑网络计算架构的多层过程。在这项工作中,训练神经网络研究人员第一个周期是基于移动速度信息定位在虚拟环境。在不熟悉的环境中,这哺乳动物运动定位信息非常类似于在使用。

令人震惊的是细胞的网格状图案,研究人员称之为网格单元的天然存在的神经网络中。在之前的训练中,研究人员故意不产生这样的指导神经网络结构。AI的定位方案,可能是与大自然数百万年的进化的如此一致的答案。

是DeepMind团队则本次测试使用网格结构强化学习可以矢量导航。比分强化学习的激励机制被广泛用于训练游戏AI,AI告诉人类一个游戏,但不教的游戏方法,在重复博弈的过程中,AI自我进化,我们争取更高的分数在。在纯粹的自我棋晚AlphaGo完全放弃人类的国际象棋的经验从零发展到一个更强大的版本。

研究人员将有更大的组合神经网络结构自动出现之前电网结构已经成为人工智能,虚拟现实游戏放在环境。经过深入细致的研究,能够将导航到超出一般人的人工智能前进的目的地,达到在游戏迷宫的职业游戏玩家的水平。它可以像哺乳动物找到一条新的路径和偷工减料。

如果后网格单元静音,其巡航能力大大降低,距离和方向的计算误差增大,栅格图案矢量证明巡航的重要性。

对于这一发现,网格单元的发现者爱德华·莫泽说:“这篇论文翻出来,很精彩。更令人吃惊的是,从另一个角度来看,计算机模型的发展最终还是要回到我们从生物学中发现的格子图案。

内心深处的创始人和CEO,本文哈萨比斯的合着者说:“我们相信,在人工智能和神经科学相互启发。这项工作是一个很好的证明:通过开发能够在复杂的环境中导航的人工智能,我们的网格单元的重要性在哺乳动物导航更深入的了解。“

\

DeepMind团队认为,这项工作不仅是理解细胞网格计算功能的重要一步,也是人工智能的发展的重要一步,机器学习脑帧显示的重要性。同样的方法也可以用于研究其他生活感悟。

博士。伦敦刘防地帝国学院表示,这项研究的地方细胞和网格单元中的人工智能机器人系统是特别巨大的鼓舞。事实上,单元空间的位置索引的数据库,拓扑空间表示; 单元网格的几何形状和一个计算器,欧氏空间中的描述的技术。该组织以我们现在的计算机科学技术是完全不同的,并且有一个非常强的优势。

杜克大学教授,博士生武春陈鹏屹然介绍,在论文中提到值得注意的是两个细节。首先,如果的神经网络功能的丧失不包括正常任期,那么神经网络不能显示网格细胞功能。这一发现为我们提供了一个新的角度来思考规范化的作用。其次,论文指出,“黑匣子”功能深度神经网络阻碍的网格单元积极作用的特点在整合路径的进一步分析。这再次印证了当前神经网络解释性的需要。

对此,约翰·霍普金斯大学的神经科学家弗朗西斯萨维利和詹姆斯Knierim在自然界标题导航AI模拟大脑新闻评论的代码在同一时期,强调:“目标导向的网格模型增强了证明这一事实的能力,即网格单元的效果在大脑。但在模型中的这些计算没有直接的控制,使得它很难研究其计算原理,算法和编码策略背后。深入学习如何使系统更加智能化的理解人类的逻辑推理,这是一个非常令人振奋的未来,我们面临的挑战。“


这个数字是现在面临的公共人工智能和大数据爱好者征稿(无版权费),如果你希望你的文章,以查看更多人工智能共享和大数据爱好者,请发送电子邮件至351745027 @ QQ。COM。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

欢迎扫描代码添加小编,加入人工智能和大量读者的交换公共数据的基础上,探索,分享,交流!每周交易所集团将邀请行业专家在线分享!

本文链接:DeepMind重大突破:AI进化出大脑级导航能力,像动物一样会“抄小路”

上一篇:DAZZLE 母公司要上市,24亿元的募资量让它看上去很可观

下一篇:Facebook宣布拟10亿美元收购Instagram 看重其人才

友情链接:

心经讲解 大悲咒 普众礼佛网

Copyright © 2017 it技术文章网 版权所有 All Rights Reserved. 网站地图

苏ICP备18043316号