混沌巡游：让机器人 AI 学会自主行动
导语
如果出门后发现自己忘记带钥匙了，我们会停止出门进程并选择回家。科学家们称其为自发行为，也即动物的标志性行为模式。想要捕捉人类大脑的本质，前提之一就是能够模仿类似的行为。11月的 Science Advances 在线发布了东京大学应用数学家 Kohei Nakajima 等人的一项研究：只需一个简洁的算法，通过使用模拟动物大脑受控混乱的程序，即可实现让一个神经网络自发地在几个进程之间切换。
郭瑞东 | 作者
赵雨亭 | 审校
邓一雪 | 编辑
论文题目：
Designing spontaneous behavioral switching via chaotic itinerancy
论文地址：
https://advances.sciencemag.org/content/advances/6/46/eabb3989.full.pdf
1. 机器人需要学会自发行为
工程师们经常使用预定义的模块与控制方法来设计机器人的行为，使得它们能够完成特定的任务，但同时预定义限制了机器人的灵活性。通常情况下，设计好的机器人可以进行行走或奔跑；实验者会使用一个外部的手持控制器来在这些行为之间进行人工切换。
然而，在动物大脑和其他动态系统中经常可以观察到，一个系统不可预测，但是确定地在几种常规模式之间切换，如走路、跑步或其他任何行为。为了从一个受控的场景，转变为到机器人可以自主改变行为的环境，研究人员试图模拟混沌巡回（chaotic itinerancy, CI）。
机器人及其控制软件可以归为动力系统模型，这是一种描述几何空间中的一个点随时间演化情况——如钟摆晃动、管道中水的流动的名词。有一类动力系统叫做高维混沌系统，即俗称的“蝴蝶效应”，蝴蝶效应是一种模拟动物大脑的有效方法，引发了许多研究人员的兴趣。然而，由于系统参数的复杂性及其对不同初始条件的敏感性，一般难以控制高维混沌。本项研究正是利用高维混沌动力学，以此实现类人认知功能的新方法。
2. 旧方法如何实现混沌巡游
论文作者东京大学博士生 Katsuma Inoue 指出，机器人专家曾努力试图模拟混沌巡回。2006年专家们设计了一个利用躯体感觉系统和代表身体肌肉的数百个马达模拟人类婴儿的机器人，每个马达连接了多个混沌振荡器（oscillators）ーー运动神经元的粗略等价物。躯体感觉系统连接混沌振荡器通信，混沌振荡器发出“肌肉”运动的信号。该系统旨在模仿人类早期的运动发展，通过交替几种常规行为ーー包括爬行和翻滚ーー来重现类似于混沌巡游的运动。
先前的研究已经在寻求设计机器人自发的行为转换，这种转换使用了一个具有高层次结构的神经网络来管理低层次的模块，低层次的模块对应着不同行为。然而，在这些实验中，“学习通常需要花费大量的时间。”
3. 新方法有哪些优点
为了克服这些挑战，新的研究跳过了分层设计。研究人员首先定义了几种可能的行为，并训练了一个神经网络根据指令重现它们。之后，研究人员训练网络以特定的顺序在这些行为之间切换，最后利用混沌动力学计算出这些行为之间的概率转换。最终得到一个具有混沌巡回特征的系统。该算法用衍生自RNN（递归神经网络）的水库计算（Reservoir computing），将控制代表不同行为的信号高维映射。为了使得训练更快，研究人员调整了部分参数，同时保持 RNN 的其他连接不变。
新方法更鲁棒与通用。它允许我们在不需要任何预定义显式结构的前提下，在控制器中设计自发的行为。这项研究用一种更简单、更优雅的方式来设计混乱的巡游。作者说：“最终目标是以某种方式实现类似动物的、具有自发性的行为。”
该模型可以帮助我们深入理解混沌是如何影响我们大脑中信息处理步骤的。此外，除了神经科学领域，该方法将可能产生更广泛的影响——因为它极有可能应用于其它混沌系统。例如，受到生物神经元启发的下一代类脑计算设备可能呈现出高维混沌状态，这也是实现混沌巡游的基础。
然而，这项研究仅限于计算机上的神经网络。塞尔吉-巴黎大学的计算机科学家 Alexandre Pitti 没有参与这项研究，他表示这仅仅完成了“基于模拟的研究”，同时他指出了明确的下一步研究方向：“现在真正的挑战在于将算法具体应用到机器人上，以及这能否获得与自然界类似的结果。”事实上，研究人员现在正计划将研究成果从计算机转移到物理机器人，并希望最终能够创造出拥有自主与自发行为的机器人。
Pitti 指出，作为人类大脑的一个标志，认知可塑性使人们能够“在不破坏旧记忆的情况下获得新知识”。他评价这篇论文是朝着构建“一个能够通过人造身体与环境互动的记忆的合成大脑”这一终极目标迈出的重要一步，当然，我们还有很长的路要走。
参考资料
[1] https://blog.pnas.org/2020/11/new-technique-builds-animal-brain-like-spontaneity-into-ai/
[2] https://scitechdaily.com/chaotic-itinerancy-robotic-ai-learns-to-be-spontaneous/
复杂科学最新论文
集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「集智斑图」推送论文信息。扫描下方二维码即可一键订阅：
推荐阅读
点击“阅读原文”，追踪复杂科学顶刊论文