仅仅12个神经元竟能控制汽车倒车入库！这又是什么新操作？（附视频）

药明康德AI/报道

近日，来自MIT和Vienna University of Technology（TU Wien）的研究人员合作完成了一项研究：他们模拟了线虫的大脑，构建了一个由12个神经元组成的神经网络，并训练这个神经网络完成了将玩具汽车停入车位的神奇操作。

▲只有12个神经元大小的神经网络可操纵玩具汽车倒入停车位（图片来源：Vienna University of Technology）

本文来源：药明康德AI

神经网络是一成不变的吗？

我们都知道，想要训练一个神经网络，需要向其输入特定的信息，并调整神经元之间的连接，从而达到所需的输出结果。例如，我们将一张照片作为神经网络的输入信息，使其输入照片中人的名字。在这一过程中，时间通常并不会作为一个决定输出结果的重要因素。而目前的大多数神经网络都是如此，所有的输入输出过程都是一次性完成的。

而在自然界中，情况却大不相同。比如，语音识别过程是与时间因素相关的，而同声传译或者针对不断变化的环境所作出的一系列反应动作也是一样。自然生物的大脑与普通的计算机程序不同的是，大脑不会使用由明确的逻辑指令组成的代码，而是通过相互通信的细胞网络来工作的。因此，我们需要模拟一个能够体现时间变化的神经网络，来解决那些难以用逻辑运算完成的问题。

▲一个神经网络中包含着多层神经元结构，这些神经元也是彼此相互连接的（图片来源：Vienna University of Technology）

因此，研究人员提出了一种基于生物物理神经元和突触模型的新型RNN架构，可以随着时间的变化而变化。在标准的RNN模型中，1号神经元和2号神经元之间有一个恒定的连接，定义了1号神经元的活动影响2号神经元活动的方式。而在这种新型RNN架构中，这种链接是用时间的非线性函数表示的。

线虫大脑也可以完成倒车入库？

为了证明新RNN架构的多功能性，研究人员利用线虫神经系统的神经回路，开发并训练了一个小型神经网络。这个神经回路负责让线虫在受到触碰时收缩自己的身体，完成一个简单的反射行为。研究人员在计算机上对线虫的这个神经回路进行了模拟，然后用机器学习算法对模型进行了改造和训练，使其可以完成现实生活中的一些操作。

视频来源：Vienna University of Technology

实验的结果非常惊人。这个只有12个神经元大小的简单神经网络在经过适当的训练后，竟然可以操纵玩具汽车沿着预先定义的路径进入停车位。“作为新型神经网络的输出结果，那些控制线虫运动的原理和技术，可以用来操纵和加速车辆，”这项研究的负责人之一、来自TU Wien计算机工程研究所的Ramin Hasani说道：“我们从理论和实验中证明，新型神经网络可以完成现实和模拟环境中的复杂任务。”

▲这项研究的负责人之一、来自TU Wien计算机工程研究所的Ramin Hasani（图片来源：Vienna University of Technology）

此外，这个新架构的另一个重要优势在于，研究人员可以通过它更好地了解神经网络的内部原理。之前的神经网络往往由成千上万个节点组成，这种结构过于复杂，以至于只能分析其最后输出的结果。而此次研究人员开发的这个神经网络虽然规模较小，但是具有强大的功能。这有助于研究人员了解不同的神经细胞会导致哪些效应，从而进一步研究神经网络的特性。

当然，这项研究并不意味着在未来，将汽车停入车位的操作将由人工线虫来完成。但是有一点是毋庸置疑的：拥有更像大脑结构的人工智能会比之前想象的更强大。

参考资料：

[1] Artificial Intelligence: Parking a Car with only 12 Neurons. Retrieved October 23, 2018, https://www.tuwien.ac.at/en/news/news_detail/article/126273/

本文来自药明康德微信团队，欢迎转发到朋友圈，谢绝转载到其它平台。如有开设白名单需求，请在文章底部留言；如有其它合作需求，请联系[e-mail]。

更多精彩文章：