两项分别由英国人工智能实验室DeepMind与由德国和希腊的研究人员进行的研究显示了AI与神经网络科学之间有着令人着迷的关系。
就像大多数科学家说的那样,我们距开发能够像人类一样有效地解决问题的人工智能还差几十年。在创造通用AI的道路上,人脑(可以说是最复杂的自然创造)是我们掌握的最佳指南。
神经科学对神经系统的研究,为大脑如何工作提供了有趣的见解,大脑是开发更好的AI系统的关键组成部分。相应地,更好的AI系统的开发可以帮助推动神经科学向前发展,并进一步释放大脑的秘密。
例如,卷积神经网络(CNN)是人工智能最新进展的关键贡献者之一,它很大程度上受到视觉皮层神经科学研究的启发。另一方面,神经科学家利用AI算法研究来自大脑的数百万个信号,并找出可能消失的模式。这两个领域密切相关,它们的协同作用产生了非常有趣的结果。
神经科学领域的最新发现表明,我们在AI方面正在做的正确的事情,以及我们做错了什么。
DeepMind的研究人员最近进行的一项研究证明,人工智能研究(至少是其中的一部分)正朝着正确的方向发展。
感谢神经科学,我们知道人类和动物学习的基本机制之一就是奖惩。积极的结果会鼓励我们重复某些任务(做运动,学习考试等),而消极的结果会阻止我们重复犯错(触摸火炉)。
俄罗斯生理学家伊凡·帕夫洛夫(Ivan Pavlov)的实验最为人所知,这种奖罚机制是训练狗在听到铃铛时会期待食物。我们还知道,多巴胺是中脑产生的一种神经递质,在调节大脑的奖励功能中起着重要作用。
强化学习(RL)是人工智能研究中最热门的领域之一,它是根据大脑的奖赏/惩罚机制而大致形成的。在RL中,设置了AI代理来探索问题空间并尝试不同的操作。对于其执行的每个动作,代理都会收到数字奖励或惩罚。通过大量的试验和错误,并检查其操作的结果,AI代理开发了一种数学模型,该模型经过了优化,可以最大程度地提高奖励并避免惩罚。
最近,AI研究人员一直致力于分布增强学习以创建更好的模型。分布式RL的基本思想是使用多种因素以一系列乐观和悲观的方式预测奖惩。分布强化学习对于创建对环境变化更具弹性的AI代理至关重要。
这项新的研究是由哈佛大学和DeepMind共同完成的,并于上周在《自然》杂志 上发表。该研究发现,小鼠大脑的特性与分布强化学习的特性非常相似。AI研究人员测量了大脑中的多巴胺激发率,以检查生物神经元的奖励预测率的差异。
有趣的是,在小鼠的神经系统中发现了AI科学家在分布式强化学习模型中编程的乐观和悲观机制。DeepMind的研究人员在AI实验室网站上发布的博客文章中写道:“总而言之,我们发现大脑中的多巴胺神经元每个都被调到了不同的悲观或乐观水平。“在人工强化学习系统中,这种多样化的调整会产生更丰富的训练信号,从而极大地加快了神经网络的学习速度,我们推测大脑可能出于相同的原因使用它。”
使这项发现与众不同的是,尽管AI研究通常从神经科学发现中汲取灵感,但在这种情况下,神经科学研究已经验证了AI发现。研究人员写道:“它使我们对AI研究走上正轨的信心增强,因为该算法已被我们所知道的最智能的实体:大脑使用。”
这也将为神经科学的进一步研究打下基础,这反过来将有利于AI领域发展。
尽管DeepMind的新发现证实了AI强化学习研究的成果,但柏林科学家的另一项研究却于1月初发表在《科学》杂志上,这证明我们对大脑所做的一些基本假设是完全错误的。
关于大脑结构的普遍信念是,神经元是神经系统的基本组成部分,它们是简单的积分器,用于计算其输入的加权总和。基于这种理念,设计了一种流行的机器学习算法类型:人工神经网络。
单独地,人工神经元执行非常简单的操作。它需要几个输入,将它们乘以预定义的权重,求和后再通过激活函数运行它们。但是,当多层连接成千上万(十亿)个人工神经元时,您将获得一个非常灵活的数学函数,可以解决复杂的问题,例如检测图像中的对象或记录语音。
人工神经元的多层网络(通常称为深度神经网络)是过去十年中深度学习革命背后的主要动力。
但是,对生物神经元是基本数学的“愚蠢”计算器的普遍认识过于简单。德国研究人员的最新发现后来被希腊的神经科学家证实,证明了单个神经元可以执行XOR运算,这一前提遭到了AI先驱者如Marvin Minsky和Seymour Papert的拒绝。
尽管并非所有神经元都具有这种能力,但这一发现的意义是重大的。例如,这可能意味着单个神经元可能在其内部包含一个深层网络。宾夕法尼亚大学的计算神经科学家康拉德·科尔丁(Konrad Kording)并未参与这项研究,他对《广达杂志》(Quanta Magazine)表示,这一发现可能意味着“单个神经元可能能够计算出真正复杂的功能。例如,它本身可能就能识别出一个物体。”
这对人工智能研究意味着什么?至少,这意味着我们需要重新考虑我们对神经元的建模。它可能会刺激对具有不同类型神经元的新型人工神经元结构和网络的研究。也许它可以帮助我们摆脱必须构建超大型神经网络和数据集来解决非常简单的问题的陷阱。
外语原文链接: https://bdtechtalks.com/2020/01/20/neuroscience-artificial-intelligence-synergies/
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10