Nature发表DeepMind研究：AI复现大脑网格细胞模拟导航 - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>Biology - 生物学

Nature发表DeepMind研究：AI复现大脑网格细胞模拟导航

Nature发表DeepMind研究：AI复现大脑网格细胞模拟导航# Biology - 生物学

b*a2018-05-10 07:05

1 楼

☆─────────────────────────────────────☆
Yobi (11) 于 (Thu Nov 4 17:32:38 2010, 美东) 提到:
RT
☆─────────────────────────────────────☆
Yobi (11) 于 (Thu Nov 4 17:33:26 2010, 美东) 提到:

☆─────────────────────────────────────☆
ipod2008 (ipod2008) 于 (Thu Nov 4 18:11:26 2010, 美东) 提到:
太可爱了~~~猫猫漫画一向很酷
☆─────────────────────────────────────☆
yizhitumao () 于 (Thu Nov 4 18:14:32 2010, 美东) 提到:
喜欢站在狗狗背上取钱和楼梯上接吻的那两张，太给力了！
☆─────────────────────────────────────☆
yizhitumao () 于 (Thu Nov 4 18:16:35 2010, 美东) 提到:
又看了一遍，发现好像是饮水机，汗……我财迷了一把，不好意思
☆─────────────────────────────────────☆
xiaochaiyu (真身) 于 (Thu Nov 4 18:55:44 2010, 美东) 提到:
哈哈哈哈
☆─────────────────────────────────────☆
friediceman (Bing) 于 (Thu Nov 4 20:07:18 2010, 美东) 提到:
赞！
☆─────────────────────────────────────☆
honeyyoyo (DALADALA) 于 (Thu Nov 4 20:39:15 2010, 美东) 提到:
哈哈那张有鼠标的真好玩。。
☆─────────────────────────────────────☆
opman2005 (爱吃菜的猫) 于 (Thu Nov 4 20:46:50 2010, 美东) 提到:
Lol
☆─────────────────────────────────────☆
iceloop (小喵喵,肥肥和小豬的媽) 于 (Thu Nov 4 23:28:36 2010, 美东) 提到:
呵呵

o*p2018-05-10 07:05

2 楼

今天，DeepMind在Nature上发表的一篇论文引起AI领域和神经科学领域的极大震撼：AI
展现出与人脑“网格细胞”高度一致的空间导航能力。这项发现有助于AI的可解释性和
把神经科学作为新算法的灵感来源的重要意义。
大多数动物，包括人类，都能够灵活地驾驭他们生活的世界——在新的地方探索，迅速
返回到记忆中的地方，同时能够“抄近路”。这些能力如此简单和自然，以至于很少人
在意其底层流程究竟有多复杂。相比之下，虽然AI在围棋等许多任务超过了人类，空间
导航能力对于人工智能体来说仍然是一个巨大的挑战。
2005年，一项惊人的研究发现揭示了空间行为中神经回路一个关键部分：当动物在探索
它们所处的环境时，神经元的激发呈现出一种非常规则的六边形网格。
这些网格被认为有利于空间导航，类似于地图上的网格线。
除了作为动物的内部坐标系之外，这些神经元——被称为网格细胞（grid cell）——
最近也被假设为支持基于矢量的导航。即：让大脑计算出到达目的地的距离和方向，“
像乌鸦飞行一样”，即使以前没有走过确切的路线，动物也可以在不同地点之间直接旅
行。
首次发现网格细胞的研究团队共同获得2014年的诺贝尔生理学或医学奖，他们的研究揭
示了空间的认知表征工作的方式。但从网格细胞被发现以来，经过10多年的理论论证，
网格细胞的计算功能，以及它们是否支持基于矢量的导航，在很大程度上仍然是一个谜。
DeepMind今天发表在Nature上的论文“Vector-based navigation using grid-like
representations in artificial agents”中，研究人员开发了一种人工智能体（
artificial agent）来测试“网格细胞支持基于矢量的导航”这一理论。
研究人员首先训练了一个循环网络来执行在虚拟环境中定位自身的任务，主要使用与运
动相关的速度信号。哺乳动物处于不熟悉的地方或不容易发现地表的地方（如在黑暗中
行走）时，这种能力会自然地激发。
研究人员发现，类似网格般的表示（grid-like representation，以下称“网格单元”
）自发地出现在网络中，这与在哺乳动物中观察到的神经活动模式惊人的一致，也与网
格单元为空间提供高效代码的观点一致。
图：用agent进行的实验产生了类似网格的表示（“网格单元”），它们与哺乳动物中
的生物网格细胞非常相似。
接下来，研究人员试图通过创建一个artificial agent来作为实验小白鼠，要测试的理
论是：网格细胞支持基于矢量的导航。
这是通过将最初的“网格网络”与一个更大的网络架构相结合，形成了一个agent，可
以使用深度强化学习在具有挑战性的虚拟现实游戏环境中导航进行训练。
这个agent的表现超过了专业游戏玩家的能力，展现出动物一般的灵活导航方式，当游
戏环境中可以有捷径时，agent会“抄近路”。
通过一系列实验操作，研究人员发现网格单元对于基于矢量的导航至关重要。例如，当
网络中的网格单元被掐断时，agent的导航能力就会受损，而且对目标的距离和方向的
判断等关键指标的表示变得不那么准确。
图：具有网格单元的基于矢量的导航的图示。底部的圆圈表示3个不同尺度的网格单元
类群，有颜色的细胞是活跃的。当agent移动时，网格单元（表示“当前的网格代码”
）会发生变化，以反映agent进入了不同的触发区域。网格单元用于计算目标的最短路
径。
DeepMind认为，这一研究是理解大脑中网格细胞的基本计算目的的重要一步，同时也突
出了它们对人工智能agent的好处。这些证据为“网格细胞提供欧几里德空间框架，支
持基于矢量的导航”的理论提供了有利的支持。
此前研究人员对网格细胞进行的广泛的神经科学研究提供了在试图理解其内部表示的线
索，有助于agent的可解释性——这本身就是人工智能研究中的一个主要话题。
这项工作还展示了在虚拟现实环境中使用人工agent积极参与复杂行为，以测试大脑工
作原理的潜力。
更进一步，类似的方法可以用来测试那些对感知声音或控制肢体有重要意义的大脑区域
的理论。未来，这样的网络很可能为科学家们提供一种新的方法来进行“实验”，提出
新的理论，甚至对目前在动物身上进行的研究提供补充。
DeepMind的联合创始人兼CEO、该研究的联合作者Demis Hassabis说：“要证明我们现
在致力于构建的通用智能是可行的，人类的大脑是我们现有的唯一证据，因此，把神经
科学作为新算法的灵感来源是有意义的。”

o*p2018-05-10 07:05

3 楼

半年前不小心预言了一下
https://www.mitbbs.com/article/Biology/32085237_3.html
发信人: overlap (过火地), 信区: Biology
标题: Re: Neuroscience研究方向选择
发信站: BBS 未名空间站 (Thu Dec 21 15:52:11 2017, 美东)
死磕也该转行。
我说个思路吧。
深度学习基本上就是数字模拟神经元网。从生物的角度神经研究的这几十年，对神经
网的功能了解的非常有限，非常令人失望。深度学习现在这么牛，说明深度学习已经实
现了我们想了解的生物神经网的功能。那么去了解深度学习是怎么实现这些功能，
对反过来研究生物神经网会是极有帮助的
神经元基础上：深度学习 ~ 生物神经网
功能实现上：深度学习 ~ 生物神经网
这样的相似，不会是偶然的。
另外仇子龙的图谱，对这个研究会非常有价值。

o*p2018-05-10 07:05

4 楼

然后某些人表现了短视
发信人: ongoing (Up and Down), 信区: Biology
标题: Re: Neuroscience研究方向选择
发信站: BBS 未名空间站 (Thu Dec 21 20:29:50 2017, 美东)
虚无缥缈

以及无知
发信人: howardx (howard), 信区: Biology
标题: Re: Neuroscience研究方向选择
发信站: BBS 未名空间站 (Fri Dec 22 08:12:49 2017, 美东)
这个帖子说明两点：你对深度学习的了解来自小报文科记者；你是仇子龙的高级黑。

: 死磕也该转行。

: 我说个思路吧。

【在 o*****p 的大作中提到】

: 半年前不小心预言了一下
: https://www.mitbbs.com/article/Biology/32085237_3.html
: 发信人: overlap (过火地), 信区: Biology
: 标题: Re: Neuroscience研究方向选择
: 发信站: BBS 未名空间站 (Thu Dec 21 15:52:11 2017, 美东)
: 死磕也该转行。
: 我说个思路吧。
: 深度学习基本上就是数字模拟神经元网。从生物的角度神经研究的这几十年，对神经
: 网的功能了解的非常有限，非常令人失望。深度学习现在这么牛，说明深度学习已经实
: 现了我们想了解的生物神经网的功能。那么去了解深度学习是怎么实现这些功能，

d*m2018-05-10 07:05

5 楼

一切都是optimization而已

L*82018-05-10 07:05

6 楼

AI

【在 o*****p 的大作中提到】

: 今天，DeepMind在Nature上发表的一篇论文引起AI领域和神经科学领域的极大震撼：AI
: 展现出与人脑“网格细胞”高度一致的空间导航能力。这项发现有助于AI的可解释性和
: 把神经科学作为新算法的灵感来源的重要意义。
: 大多数动物，包括人类，都能够灵活地驾驭他们生活的世界——在新的地方探索，迅速
: 返回到记忆中的地方，同时能够“抄近路”。这些能力如此简单和自然，以至于很少人
: 在意其底层流程究竟有多复杂。相比之下，虽然AI在围棋等许多任务超过了人类，空间
: 导航能力对于人工智能体来说仍然是一个巨大的挑战。
: 2005年，一项惊人的研究发现揭示了空间行为中神经回路一个关键部分：当动物在探索
: 它们所处的环境时，神经元的激发呈现出一种非常规则的六边形网格。
: 这些网格被认为有利于空间导航，类似于地图上的网格线。