科學家們已經使用人工智慧（AI）來重現大腦在空間導航中使用的複雜神經程式碼。這項壯舉證明了強大的人工智慧演算法如何輔助傳統的神經科學研究來測試有關大腦運作的理論——但研究人員表示，這種方法目前還不會讓神經科學家失業。
該計算機程式的詳細資訊發表在 5 月 9 日的《自然》雜誌上1，由倫敦大學學院（UCL）的神經科學家和位於倫敦的谷歌公司 DeepMind 的人工智慧研究人員共同開發。它使用了一種稱為深度學習的技術——一種受大腦結構啟發的人工智慧型別——來訓練計算機模擬的“老鼠”在虛擬環境中跟蹤其位置。
該程式令科學家們驚訝地自發生成了類似哺乳動物大腦中稱為網格細胞的導航細胞所產生的六邊形活動模式。在對真實老鼠的實驗中已經表明網格細胞對於動物如何跟蹤自己在空間中的位置至關重要。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過 訂閱 來支援我們屢獲殊榮的新聞報道。透過購買訂閱，您將幫助確保關於塑造我們當今世界的發現和想法的具有影響力的故事的未來。
更重要的是，模擬“老鼠”能夠使用類似網格細胞的編碼來導航虛擬迷宮，以至於它甚至學會了走捷徑。
挪威特隆赫姆卡夫利系統神經科學研究所的神經科學家愛德華·莫澤表示，“這篇論文橫空出世，令人非常興奮。”莫澤因共同發現了網格細胞和大腦中其他與導航相關的神經元（包括位置細胞和頭部方向細胞，它們位於海馬區及其周圍）而分享了2014年諾貝爾生理學或醫學獎。
莫澤說，“令人震驚的是，計算機模型從一個完全不同的角度出發，最終得到了我們從生物學中瞭解到的網格模式。”他補充說，這項工作令人欣慰地證實了哺乳動物的大腦已經開發出至少這種型別的空間編碼的最佳方式。
德國慕尼黑路德維希·馬克西米利安大學的計算神經科學家安德烈亞斯·赫茨表示，“分析深度學習系統的內部運作，並看看作者是否發現了一種有助於空間導航的通用計算原理，將非常有趣。”
深度學習“老鼠”
該研究的作者開始使用基於相互通訊的迴圈計算單元的深度學習網路，來測試神經科學中的一個假設：大腦使用網格細胞，透過整合有關身體運動的速度和方向的資訊來繪製其在環境中的位置。
首先，作者生成資料來訓練他們的演算法。他們模擬了虛擬“老鼠”在圍欄中覓食時所走的路徑，以及當模擬齧齒動物移動時，位置細胞和頭部方向細胞的活動，但不包括網格細胞。然後，他們使用這些資料來訓練深度學習網路識別模擬“老鼠”的位置。當研究人員這樣做時，他們發現類似網格的六邊形活動模式在計算單元中自發出現——就像在實驗室實驗中真實老鼠的大腦中一樣。
該研究的合著者、倫敦大學學院的神經科學家卡斯韋爾·巴里說，“我們一直希望看到網格，但仍然很驚訝地在這個背景下看到它們。我在實驗中多次看到它們，它們的規則性非常漂亮。”
科學家們還對發現需要調整系統以新增一些人為噪聲——使其單元的運作更像大腦中的單元——才能使網格狀活動出現感到好奇。赫茨說，“這是我們理論神經科學家一直在思考但無法測試的東西。”
然後，研究人員對系統進行了測試，以檢視虛擬“老鼠”是否可以使用它進行導航。他們將模擬齧齒動物放置在一個設計成迷宮的更大的圍欄中，虛擬“老鼠”必須學會找到到達特定目標的路徑。作者在系統中添加了另一個程式，引入了學習所需的記憶和獎勵功能。模擬“老鼠”很快透過試錯學會了找到目標，並且變得非常熟練，以至於它們表現優於嘗試相同任務並開始走捷徑的人類專家。
研究人員發現，如果他們有意阻止網格模式的形成，模擬“老鼠”將無法有效地導航迷宮。巴里說，“關閉網格細胞是無法在實驗老鼠中完成的事情。”
DeepMind 研究員兼該研究的合著者安德里亞·巴尼諾說，與神經科學家的合作激發了人工智慧研究。“但目前，這純粹是對製造智慧演算法的基礎研究，而不是關於應用，”他說。
研究人員一致認為，人工智慧將是測試有關大腦的假設的有用工具，但它不太可能回答有關大腦如何以及為何使用特定程式碼的問題。莫澤說，“當我讀到這篇論文時，我真的很興奮——看來人工智慧可能能夠加速我們對大腦如何導航的研究。”但他表示，它不會取代神經科學家。
本文經許可轉載，並於2018年5月9日首次發表。