科学家们已经使用人工智能（AI）来重现大脑在空间导航中使用的复杂神经代码。这项壮举证明了强大的人工智能算法如何辅助传统的神经科学研究来测试有关大脑运作的理论——但研究人员表示，这种方法目前还不会让神经科学家失业。
该计算机程序的详细信息发表在 5 月 9 日的《自然》杂志上1，由伦敦大学学院（UCL）的神经科学家和位于伦敦的谷歌公司 DeepMind 的人工智能研究人员共同开发。它使用了一种称为深度学习的技术——一种受大脑结构启发的人工智能类型——来训练计算机模拟的“老鼠”在虚拟环境中跟踪其位置。
该程序令科学家们惊讶地自发生成了类似哺乳动物大脑中称为网格细胞的导航细胞所产生的六边形活动模式。在对真实老鼠的实验中已经表明网格细胞对于动物如何跟踪自己在空间中的位置至关重要。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过 订阅 来支持我们屡获殊荣的新闻报道。通过购买订阅，您将帮助确保关于塑造我们当今世界的发现和想法的具有影响力的故事的未来。
更重要的是，模拟“老鼠”能够使用类似网格细胞的编码来导航虚拟迷宫，以至于它甚至学会了走捷径。
挪威特隆赫姆卡夫利系统神经科学研究所的神经科学家爱德华·莫泽表示，“这篇论文横空出世，令人非常兴奋。”莫泽因共同发现了网格细胞和大脑中其他与导航相关的神经元（包括位置细胞和头部方向细胞，它们位于海马区及其周围）而分享了2014年诺贝尔生理学或医学奖。
莫泽说，“令人震惊的是，计算机模型从一个完全不同的角度出发，最终得到了我们从生物学中了解到的网格模式。”他补充说，这项工作令人欣慰地证实了哺乳动物的大脑已经开发出至少这种类型的空间编码的最佳方式。
德国慕尼黑路德维希·马克西米利安大学的计算神经科学家安德烈亚斯·赫茨表示，“分析深度学习系统的内部运作，并看看作者是否发现了一种有助于空间导航的通用计算原理，将非常有趣。”
深度学习“老鼠”
该研究的作者开始使用基于相互通信的循环计算单元的深度学习网络，来测试神经科学中的一个假设：大脑使用网格细胞，通过整合有关身体运动的速度和方向的信息来绘制其在环境中的位置。
首先，作者生成数据来训练他们的算法。他们模拟了虚拟“老鼠”在围栏中觅食时所走的路径，以及当模拟啮齿动物移动时，位置细胞和头部方向细胞的活动，但不包括网格细胞。然后，他们使用这些数据来训练深度学习网络识别模拟“老鼠”的位置。当研究人员这样做时，他们发现类似网格的六边形活动模式在计算单元中自发出现——就像在实验室实验中真实老鼠的大脑中一样。
该研究的合著者、伦敦大学学院的神经科学家卡斯韦尔·巴里说，“我们一直希望看到网格，但仍然很惊讶地在这个背景下看到它们。我在实验中多次看到它们，它们的规则性非常漂亮。”
科学家们还对发现需要调整系统以添加一些人为噪声——使其单元的运作更像大脑中的单元——才能使网格状活动出现感到好奇。赫茨说，“这是我们理论神经科学家一直在思考但无法测试的东西。”
然后，研究人员对系统进行了测试，以查看虚拟“老鼠”是否可以使用它进行导航。他们将模拟啮齿动物放置在一个设计成迷宫的更大的围栏中，虚拟“老鼠”必须学会找到到达特定目标的路径。作者在系统中添加了另一个程序，引入了学习所需的记忆和奖励功能。模拟“老鼠”很快通过试错学会了找到目标，并且变得非常熟练，以至于它们表现优于尝试相同任务并开始走捷径的人类专家。
研究人员发现，如果他们有意阻止网格模式的形成，模拟“老鼠”将无法有效地导航迷宫。巴里说，“关闭网格细胞是无法在实验老鼠中完成的事情。”
DeepMind 研究员兼该研究的合著者安德里亚·巴尼诺说，与神经科学家的合作激发了人工智能研究。“但目前，这纯粹是对制造智能算法的基础研究，而不是关于应用，”他说。
研究人员一致认为，人工智能将是测试有关大脑的假设的有用工具，但它不太可能回答有关大脑如何以及为何使用特定代码的问题。莫泽说，“当我读到这篇论文时，我真的很兴奋——看来人工智能可能能够加速我们对大脑如何导航的研究。”但他表示，它不会取代神经科学家。
本文经许可转载，并于2018年5月9日首次发表。