机器人会得抑郁症吗?
作者 | Zachary Mainen
翻译 | 蹦迪土拨鼠
审校 | 酷炫脑
编辑 | Mandy
一台电脑患了抑郁症,这样的说法听起来很荒谬,但人工智能和人类大脑确实有一个共同的关键特征。
目前全世界抑郁症患者的数量已经超过 3.5 亿,而且这个数字仍在上升。抑郁症在我们看来是一种只有人类才会患上的疾病,但关于抑郁症的一个全新的思考角度竟然来自人工智能领域。如今 AI 的快速发展也要归功于对人类大脑的研究,那 AI 会不会反过来给人类认识精神疾病带来一点启发呢?
计算神经科学研究的一个重要思想就是任何智能体,不论人类还是 AI,都要处理类似的事情,所以都需要相似的解决方案。任何形式的智能面对这个世界都需要构建一个模型来描述它的运作方式,这有助于它预测目标、制定计划和采取行动。
对于智能系统而言,最关键的是要设定一个正确的学习速率。人对于世界的认知是基于多年的经验建构而成的,但有时候一些事物瞬间就会发生翻天覆地的变化,比如到了一个陌生的国度,这就需要构建模型有比原先更大的灵活性(Flexibility)。对于 AI 来说,一个控制模型灵活性的全局参数,即权值更新的速度,我们称之为“学习率(Learning rate)”。
人类患抑郁的一个主要原因就是不能适应逆境。假设一个人因为一场意外事故而不幸身残,他就需要学会用一个新的视角来审视自己和这个世界,如果他做不到这一点,也许就会患上抑郁症。机器也可能面临同样的问题。想象一下,一个硬件出现故障的机器人,就需要学会用一种新的方法来掌握信息。如果它的学习速率不够高,它就会缺乏改变算法的灵活性。如果它受损严重,它甚至还可能需要更换新的目标。如果它不能去适应这样新的情况,也许它就会放弃尝试。
程序员可以很容易地修好一个“抑郁”的 AI,只需要增加它的学习率。但是想象一下,一个 AI 如果被送到光年以外的其它星系,那它就需要自己来设定学习率了,而在这种情况下就有可能出错。有人会认为解决这个问题的方式就是保持尽可能高的灵活性,但是太高的灵活性也是有代价的。如果学习率过高,AI 就会忘记以前学过的东西,而无法积累知识。如果目标太灵活,那它就会无所顾忌,常常因为新东西而分心。
人脑和 AI 一样也有关键的全局变量,计算精神病学家称之为“神经调节物”,这些“神经调节物”包括多巴胺和5-羟色胺(又叫血清素)。尽管这些高度集权的细胞群数量并不多,但是它们却几乎能将化学信息传递到整个大脑。
我们的实验室研究和其它系列研究表明,大脑设定学习率的方式涉及5-羟色胺系统。在实验中,如果我们教一只老鼠完成一项需要遵循几个规则的任务,然后突然改变规则,老鼠的血清素神经元就会出现强烈反应,它们仿佛在散布一个惊讶的信号:“ Oops,改换模式了!”当血清素在下游脑区释放时,它们会提高大脑的可塑性或重构神经元突触,尤其是修改神经回路中过时的模型。
抗抑郁药通常是选择性血清素再摄取抑制剂(SSRIs),它可以提高大脑中血清素的利用率。抗抑郁药往往被单纯地描述为“幸福药”,但这项研究表明,它们主要是通过提高大脑的可塑性来发挥作用的。果真如此的话,那么摆脱抑郁症将会从调节灵活性开始入手。
今天的 AI 还只是学习机器,它们高度专业化而且没有自主权。当我们使用更加灵活的“一般 AI ”时,我们可以更好地了解它是怎样出现故障的,这将有助于我们了解抑郁症甚至是精神分裂症等疾病。
对于个体来说,之所以会抑郁,不仅是因为在学习上遇到了困难,更重要的是因为经历了一些痛苦,所以人们愿意去关注这种疾病。对于一台机器来说,即使症状看似是抑郁症,它们也可能不会有任何痛苦的感觉,但这并不意味着我们无法从机器身上寻找人类大脑可能出错的原因。
本文翻译自英国《卫报》,作者 Zachary Mainen 是美国冷泉港实验室的一名神经科学家,主要研究大脑的决策机制
点击阅读原文 ,即可进入原文链接
本文系网易新闻·网易号“各有态度”特色内容
今晚,
酷炫脑要来教你怎么谈情说爱
长按二维码进入课程,点击图片进入课程导读
↓↓↓
P.s. 课程均永久有效,可无限回放
往期文章:
想看更多文章,还可以在公众号“酷炫脑” 搜索关键词:
记忆、抑郁、强迫症、上瘾、睡眠、衰老、意识、专注力、发育、冥想、精神病、迷幻药、智商、情商、抗压、心理弹性