IARPA正在老鼠的大脑中寻找改善人工智能的方法

大数据和更快的计算机掀起了人工智能领域的新一波进步和投资热潮。哈佛大学神经科学家和计算机科学家大卫·考克斯（David Cox）认为，下一个重大飞跃将取决于老鼠玩电子游戏时头部的变化。

David领导了由美国情报局高级情报局（IARPA）资助的2800万美元的Ariadne项目。他正在寻找哺乳动物大脑中的线索，这将有助于使人工智能变得更聪明。

如今，越来越多的技术依赖于神经网络。由于计算能力的显着提高和Internet上的大量数据，Facebook可以识别人脸，Siri可以识别语音，汽车可以在太空中独立导航。但是，这些算法仍然非常原始，并且依赖于非常简化的信息分析过程。例如，您可以略微修改照片，以便程序看到并非真正存在的事物。考克斯展示了MIT Technology Review编辑的照片，但有些杂音，程序认为它是鸵鸟。您可以使用Cox实验室的在线演示自行完成此技巧。



通常，神经网络在拥挤的环境中无法正常工作，在这种环境中，计算机需要将一个对象与大量其他对象区分开，许多其他对象彼此重叠。机器智能的概括性很差。如果向计算机显示袋鼠的一两个图像，它将不会学习识别所有袋鼠。在学习如何准确识别动物之前，他必须从不同的角度和许多情况下观察袋鼠。 “看起来很容易：睁开眼睛。戴维说：“但是，要教计算机做到这一点很难。

视觉识别是人脑超越计算机的唯一事物。我们可以在人群中相互区分，在嘈杂的环境中专注于熟悉的声音，并基于一个或多个示例从声音和图像中得出模式。一个人不需要指示即可学习概括。因此，科学家转向大脑以寻找缺少的人工智能。

现在，David和他的团队正在与老鼠合作，借助专门设计的视频游戏来训练它们的识别技能。两光子激光显微镜将用于测量啮齿动物的大脑活动。为了看到神经元的工作，科学家将引入对钙敏感的荧光蛋白。当神经元开始反应时，钙离子将进入细胞并使其突出。 “这就像窃听大量脑细胞一样；您会看到老鼠会怎么想，”大卫说。

该项目的另一个领域包括尝试使用双光子激光显微镜研究的30纳米脑组织切片来创建大鼠脑神经网络的3D地图。。结果模型很难研究，因为神经科学家仍然不完全了解该细胞或该细胞发挥什么功能。但是考克斯说，他们的“惊人的复杂性”令人鼓舞。他建议“为了建立人工智能，大脑仍然可以教给我们很多东西。”



除了Ariadne之外，还有另外两个团队参与了这项研究，由卡内基梅隆大学的李大成教授和贝勒医学院安德烈斯·托里亚斯大学的神经科学家领导。每一组科学家都从不同的角度探讨了相同的问题。因此，例如，安德里亚斯·托里亚斯（Andreas Tolias）的团队使用的方法与大卫·考克斯（David Cox）的技术非常相似。

为了研究大脑的更深层，而不仅仅是考克斯和他的同事研究的更深层，托里亚斯使用三光子显微镜。由托里亚斯（Tolias）领导的一组研究人员已经取得了重大进展，在11,000个神经对之间建立了联系，并在此过程中发现了五种新型神经元。李大成计划使用DNA条形码：他的团队将用独特的核苷酸序列标记每个神经元，并通过突触化学连接条形码以恢复电路。 Lee希望它会更快，更准确。他指出，“如果条形码技术可行，它将从根本上改变整个神经生物学的观念。”



完成的所有工作仅占整个项目的一半。科学家必须找到一种使所有这些信息对机器学习算法有用的方法。一方面，许多研究人员认为，神经元以概率分布的形式呈现感觉信息，并根据以前的经验计算出事件的最可能解释。该假设主要基于大脑中的反馈思想。最有可能的是，在一个建设性的过程中，大脑支持并创建了一个关于世界的内部观念，产生了期望和预测，使其可以解释传入的数据并“思考”如何使用它。 “人工智能目前缺乏的是想象力和内省。我发现“反馈方案使我们能够在各种各样的层次上进行展示和分析，”李大成指出。

大脑可以通过多种不同方式通过合成进行分析，因此每个团队都将探索不同的可能性。由考克斯（Cox）领导的小组将大脑视为一种具有预先存在的模型的物理引擎，用于建立世界观念。泰灵溪研究小组建议，大脑是由小零件组成的“库”，并在将它们组合在一起之前对其进行研究。Tolias假设大脑会创建有关世界的统计理论。

Source: https://habr.com/ru/post/zh-CN398409/