0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

DeepMind训练出了一个AI智能体,学会了类 似哺乳动物一样的“抄近路”能力

5RJg_mcuworld 来源:未知 作者:李倩 2018-05-21 17:45 次阅读

近日,DeepMind又有新Nature论文发布!这次他们又训练出了一个AI智能体,学会了类 似哺乳动物一样的“抄近路”能力,这次研究的目的,就是设法模仿人类大脑,用复杂的方式在周围空间里导航。这是一个前所未有的探索,被认为是理解大脑的一次重大进步。

近日,DeepMind又有新Nature论文发布!

这次他们又训练出了一个AI智能体,学会了类似哺乳动物一样的“抄近路”能力,这次研究的目的,就是设法模仿人类大脑,用复杂的方式在周围空间里导航。这是一个前所未有的探索,被认为是理解大脑的一次重大进步。

空间感知,对已经轻松成为围棋大师的AI来说,还是一件难事。

当你沿着熟悉的街道前进,绕过障碍,找到最快抵达目的地的捷径时,大脑里发生了什么?这是一个非常复杂的事情。

科学家们在动物和人类大脑中找到了三种跟认路相关的细胞,分别是位置细胞、方向细胞和网格细胞。

位置细胞能在主体到达特定地点时放电,从而赋予对过往地点的记忆;方向细胞能感应前进的方向;网格细胞则是最神秘的一种:它们能将整个空间环境划分成蜂窝状的六边形网格,仿佛地图上的坐标系。

发现网格细胞的的莫索尔夫妇因此获得了2014年的诺贝尔生理学或医学奖。不过,网格细胞仅仅是在空间环境中提供GPS定位服务吗?

一些科学家猜测,它们也会参与矢量计算,辅助动物规划路径。

DeepMind团队决定用人工神经网络检验上述猜想。

人工神经网络是一种利用多层处理模拟大脑神经网络的运算结构。团队首先用深度学习算法训练神经网络学习哺乳动物的觅食运动路径,利用线速度、角速度等信号在视觉环境中进行定位。

研究人员随后发现,一种类似于网格细胞活动特征的结构自动诞生了!在此前的训练中,研究人员并未刻意引导神经网络产生此种结构。

DeepMind团队随后利用强化学习检验这种网格结构是否能够进行矢量导航。强化学习被普遍用于训练游戏AI,人类告诉AI一种游戏的得分奖惩机制,但却不教授游戏方法,由AI在反复进行游戏、努力争取更高分的过程中自我进化。

研究人员将之前自动出现的网格结构与一个更大型的神经网络架构结合成了人工智能体,置于虚拟现实的游戏环境中。经历强化学习后,该人工智能在游戏迷宫中向目的地前进的导航能力超越了一般人,达到了职业游戏玩家水平。它能像哺乳动物一样寻找新路线和抄近路。

最关键的是,当研究人员“静默”原来的网格结构后,人工智能体的导航能力就会变弱,判断目标的距离和方向都更不准确了。

论文作者之一Dharshan Kumaran说道:“我们证明了网格细胞远不只是给我们提供GPS定位信号,也是一种大脑赖以计算两个地点间的最短距离的核心导航机制。”

哈萨比斯说,要证明我们能构建出来我们想做的那种通用智能,大脑的存在就是一个证据。所以从神经科学中为新的算法寻找灵感,是很有道理的。但我们同时也相信这种启发应该是双向的,人工智能研究的见解也能为神经科学中的开放问题提供灵感。

“这项工作就是一个很好的例子:通过构建一个能在复杂环境中导航的人工智能体,我们强调了生物网格细胞在哺乳动物导航中的重要性,也拓宽了这方面的理解。”哈萨比斯表示。

DeepMind团队相信,类似的研究方法还可以用来探索大脑听觉和控制四肢的机制。在更远的将来,神经科学家们甚至可以用人工智能代替小白鼠来做实验。

同时也用人工智能体验证了哺乳动物大脑中的“网格细胞”对基于向量的导航有支持作用。

这还有两篇研究人员的视频访谈,更细致的进行解读。

论文

这篇论文题目为:Vector-based navigation using grid-like representations in artificial agents 。

论文作者20多人,其中也包括哈萨比斯本人。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4762

    浏览量

    100530
  • AI
    AI
    +关注

    关注

    87

    文章

    30098

    浏览量

    268376
  • DeepMind
    +关注

    关注

    0

    文章

    129

    浏览量

    10818

原文标题:DeepMind大突破!AI模拟大脑导航功能,学习动物抄近路

文章出处:【微信号:mcuworld,微信公众号:嵌入式资讯精选】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    未来的AI 深挖谷歌 DeepMind 和它背后的技术

    能力才能成功运行。重点DeepMind在人工智能领域取得了巨大的进步,推出了许多有用的创新系统。它为谷歌的人工智能部门所做的贡献是非常宝贵的
    发表于 08-26 12:04

    如何把AI(智能)移植到手机或机器人上?

    的aa08范例来说明3.1 展开训练天Medloy做出了aa08里的<玩具兔/玩具熊>AI模型。这是
    发表于 11-25 11:37

    如何把AI(智能)移植到手机或机器人上?

    天Medloy做出了aa08里的<玩具兔/玩具熊>AI模型。这是AI模型,
    发表于 12-14 11:03

    种基于聚和竞争克隆机制的多智能免疫算法

    包含分布式电源的配电网无功优化matlab源代码,代码按照高水平文章复现,保证正确,可先发您文章看是否满足您的要求利用分布式电源的无功补偿能力,提出了种基于聚和竞争克隆机制的多
    发表于 12-29 06:50

    谷歌搞了DeepMind Lab开放AI训练平台

    12月6日消息,据彭博社报道,Alphabet旗下人工智能部门Google DeepMind将会向其他研究人员和大众开放它用于诸多试验的迷宫式游戏平台。 DeepMind表示,它将
    发表于 12-07 01:25 556次阅读

    谷歌已成功训练出能检测疾病的人工智能

    2月6日,据英国《金融时报》在线版近日消息称,继“阿法狗”之后,谷歌旗下人工智能子公司——“深度思维”(DeepMind)已成功训练种人工智能
    发表于 06-25 17:22 449次阅读

    deepmind训练出人脑模式AI 学会哺乳动物那样抄近路

    谷歌收购的deepmind可谓是性价比超高了,AlphaGo就是deepmind的杰作,不过这都是过去式了。今日凌晨deepmind公布新突破,训练出人脑模式的
    发表于 05-10 10:10 1206次阅读
    <b class='flag-5'>deepmind</b><b class='flag-5'>训练出</b>人脑模式<b class='flag-5'>AI</b> <b class='flag-5'>学会</b>像<b class='flag-5'>哺乳动物</b>那样<b class='flag-5'>抄近路</b>

    AI展现出与人脑“网格细胞”高度致的空间导航能力

    大多数动物,包括人类,都能够灵活地驾驭他们生活的世界——在新的地方探索,迅速返回到记忆中的地方,同时能够“抄近路”。这些能力如此简单和自然,以至于很少人在意其底层流程究竟有多复杂。
    的头像 发表于 05-10 17:28 4048次阅读

    人工智能在迷宫中“抄近路

    从家出发到新的地点,再原路返回,从中选择尽可能的捷径,这是绝大多数动物都能胜任的简单任务。然而,大脑这种本能的导航机制尚未被完全理解。
    的头像 发表于 05-11 10:58 3085次阅读
    人工<b class='flag-5'>智能</b>在迷宫中“<b class='flag-5'>抄近路</b>”

    机器人会不会拥有像人类一样的意识?

    10日,DeepMind团队在《自然》上发表的篇论文在AI和神经科学领域引起关注:其最新研发出的A
    的头像 发表于 05-18 17:19 8215次阅读

    自主人工智能,让机器人像人一样思考和学习

    过去10年里直在研究哺乳动物大脑皮层的行为,并对人脑思考和学习的过程进行逆向工程。结果产生的新一代人工智能可模仿人类认知功能,使机器能够像你我一样,独立思考和学习。
    发表于 07-24 16:55 3160次阅读

    人工智能训狗设备,或与人类训练师效果一样

    据外媒报道,训狗通常需要位人训狗师,但如果不是能否达到训练的目的呢?这正是这家名为Companion Labs的初创公司要做的事情。近日,这家公司跟旧金山动物保护协会(SF SPC
    的头像 发表于 01-17 15:18 3725次阅读

    人工智能算法可以模拟人类的鼻子如何工作

    纽约康奈尔大学的Thomas Cleland和英特尔科技公司的Nabil Imam基于哺乳动物嗅球(MOB),即大脑中负责处理气味的区域,开发出了种人工智能
    的头像 发表于 03-21 15:39 2031次阅读

    DeepMind的最新AI无需知晓规则就能掌握游戏

    使用单算法玩围棋,象棋和将棋(日本象棋)。将所有这些AI捆绑在起的是,他们知道在训练中必须掌握的游戏规则。 而DeepMind的最新
    的头像 发表于 01-05 09:19 1473次阅读

    语言模型做先验,统强化学习智能DeepMind选择走这条通用AI之路

    的发展,从最早的 AlphaGo、AlphaZero 到后来的多模态、多任务、多具身 AI 智能 Gato,智能
    的头像 发表于 07-24 16:55 509次阅读
    语言模型做先验,统<b class='flag-5'>一</b>强化学习<b class='flag-5'>智能</b><b class='flag-5'>体</b>,<b class='flag-5'>DeepMind</b>选择走这条通用<b class='flag-5'>AI</b>之路