受人脑功能启发的新型人工智能


近年来,人工智能(AI)推动了高性能自动学习技术的发展 。但是,这些技术通常是逐个任务应用的,这意味着为一个任务训练的智能代理在其他任务(甚至非常相似的任务)上的执行效果会很差 。为了克服这个问题,列日大学(ULiège)的研究人员开发了一种基于生物学机制的新算法,称为神经调节 。该算法可以创建能够执行训练期间未遇到的任务的智能代理 。这个新颖而卓越的结果将在本周的《PLOS ONE》杂志上发表 。
尽管近年来AI领域取得了巨大进步,但我们离人类智能还很远 。的确,如果当前的AI技术允许训练计算机代理以更好地执行某些任务,而不是专门针对他们进行人工训练,那么当这些代理处于与经历过的条件(甚至略有不同)的条件下时,它们的性能通常非常令人失望在训练中 。
通过使用一生中获得的技能,人类能够非常有效地适应新情况 。例如,一个学会在客厅里走路的孩子也会很快学会在花园里走路 。在这种情况下,学习走路与突触可塑性有关,突触可塑性改变了神经元之间的联系,而在客厅学习到的行走技能与在花园中行走所需的快速适应技能则与神经调节有关 。神经调节通过化学神经调节剂修饰神经元本身的输入-输出特性 。
突触可塑性是人工智能所有最新进展的基础 。然而,到目前为止,还没有科学的工作提出将神经调节机制引入人工神经网络的方法 。这个相当特殊的结果,是本周在《PLOS ONE》杂志上描述的,是列日大学的神经科学家与人工智能研究人员之间极富成果的合作结果,该研究人员开发了智能算法:两名博士学位 。学生Nicolas Vecoven和Antoine Wehenkel,以及两位教授Damien Ernst(人工智能专家)和Guillaume Drion(神经科学家) 。
【受人脑功能启发的新型人工智能】这些ULiège研究人员已经开发了完全原始的人工神经网络体系结构,引入了两个子网之间的交互作用 。第一个考虑与要解决的任务有关的所有上下文信息,并在此信息的基础上以大脑化学神经调节剂的方式对第二个子网进行神经模块化 。由于神经调节,第二个子网决定了智能代理要执行的动作,因此可以非常迅速地适应当前任务 。这使代理可以有效地解决新任务 。

    推荐阅读