2023年1月11日功能
研究揭示了人工智能体和大脑活动模式的相似性
人工智能(AI)从人类大脑的现有知识中汲取灵感，人工复制其一些学习过程和功能。然而，人工智能能在多大程度上成功模拟大脑活动，目前还不完全清楚。
新加坡南洋理工大学李光前医学院的研究员Hiroshi Makino最近进行了一项研究，探索大脑和人工智能体如何学习解决新的复合任务的可能相似性。他的研究结果发表在自然神经科学，可能会对人工智能和神经科学研究产生有趣的影响。
“之前的心理学研究表明，人类和非人类动物结合预先学习的技能来扩大他们的行为储备，”进行这项研究的研究人员Hiroshi牧野告诉《医学快报》。bob游戏“然而，我们对大脑是如何做到这一点的还知之甚少。我受到深度强化学习(人工智能研究的一个子领域)研究同样问题的启发，并进行了实证测试理论预测由它通过记录得到神经活动在老鼠大脑．"
在解决新任务时，AI代理提取在预训练中获得的技能，并以分层方式重新组合这些技能。牧野想要探索大脑以类似方式运作的可能性。
为了做到这一点，他首先研究了深度强化学习代理如何学习解决新任务。随后，他将其与小鼠处理相同新任务的方式进行了比较。
牧野解释说:“当老鼠通过结合预先获得的技能/知识解决新问题时，它们大脑中的单个神经元就会记录下活动。”结果神经活动与理论模型源自深度强化学习，其中一个简单的算术运算用于组合预学习行为的值。”
牧野用一种被称为双光子钙成像的技术，探索了在小鼠皮层中发生的事情，与大脑有关的区域执行功能当他们使用之前获得的技能解决新任务时，他们会学习。有趣的是，他观察到动作值的神经表征类似于深度强化学习算法在接近一个新的复合任务时所创建的神经表征。
牧野说:“我在经过深度强化学习算法训练的人工智能体和大脑之间发现了类似的活动模式。”“我认为这项研究的主要贡献之一是将神经科学和深度强化学习相结合，以确定大脑如何构成新行为的潜在机制。”
总的来说，牧野的研究结果表明，在处理一项新任务时，哺乳动物的大脑通过对先前获得的具有随机策略的行动值表示进行简单的算术运算来组成一种新的行为。这些想法源于深度强化学习的理论框架。
在未来，这项最近的研究可能会为将神经科学观察与深度强化学习研究联系起来的新研究铺平道路。这些工作可以共同促进人工智能系统的持续改进，同时也有可能增强目前对哺乳动物的理解大脑．
“我现在计划通过应用理论概念来研究自然智能各个领域的神经机制深入强化学习神经科学，”牧野补充道。
更多信息:牧野浩，层次行为组合的算术值表示，自然神经科学(2022)。DOI: 10.1038 / s41593 - 022 - 01211 - 5
©2023科学BOB体育赌博X网络
