类脑导航：赋予呆板人动物的伶俐(2)

在他看来，深度学习的两个主要瓶颈在类脑智能面前都可以迎刃而解。作为一个复杂通用智能系统，脑网络中的神经细胞在形态、信息处理方式、放电和编码特性方面都是多种多样的。神经细胞的异质性大大增加了神经系统的复杂度。神经细胞之间通过独特的连接结构互相传递信息，形成一个有内在运行轨迹的复杂网络。脑网络的分化和协同机制在功能上既促成了选择性，不同脑区各有所长，也带来了多样性，各脑区各司其职。脑活动与脑功能之间的强相关关系,使理解和解释脑成为可能。此外，脑网络连接的自组织学习、记忆、注意等机制使得脑不需要大规模训练，根据小样本也可以完成学习任务。

如果说深度学习是一个初生的婴儿，类脑智能则是获得了丰富的机制性内涵的青年。类脑智能借鉴脑的组织原则、计算原理，在更高层次上对动态信息流进行抽象处理，构建内在模型，来解释客观世界的复杂性。

类脑智能：人工智能下一站

“我们在算法上模拟了脑神经网络，大脑就是这样工作的。”斯白露说，“我们的算法，虽然是记忆在空间导航任务的体现，但是具有理解型学习的核心机制—认知地图。”借鉴和模拟记忆神经环路的计算原理，类脑智能可以实现感知和记忆的融合，完成新旧信息的整合，能够提高人工智能形成抽象概念的能力。

“脑科学基础研究中已经积累了大量的生物学发现。”文章第一作者，目前在复旦大学类脑智能科学与技术研究院做博士后研究的曾太平告诉《中国科学报》，“我们的工作一方面解析大脑的内在机理，一方面也比较重视贴近实际的应用。”他们期待把模型扩展到其他应用，整合多种模态、多个脑区的信息，适应更大更复杂的环境。

类脑科学的已有研究，主要集中在理论层面的探索，而结合实际应用并能落地实施的较少。中国科学院脑科学与智能技术卓越创新中心副主任王佐仁认为这项“有神经科学内涵的贝叶斯吸引子模型”工作很有意义。“首先，实现了方位与运动信息的融合，降低了计算复杂度，增强了可解释性。其次，实现了在没有GPS信号和导航信息的情况下，一边精确定位导航，一边自主构建地图。另外，单相机就可以实施对角速度与平移速度的测量和实时定位，无需360度SLAM（实时定位和地图测绘）。”王佐仁说。

谈到未来的工作，曾太平补充说：“内嗅皮层-海马神经环路能够对结构化的信息进行泛化、抽象，我们的工作也将进一步研究初级感知信息在海马相关脑区的抽象表达，以实现对复杂动态环境信息的高效编码。”

王佐仁认为高级智能的典型特征是能够把感知到的信息抽象成概念，并组织成结构化的认知地图，实现理解型学习、抽象思维和推理。认知地图是逻辑推理、想象和创造的基础，也是类脑智能达到通用智能必须具备的能力。这项具有仿生学意义的工作实现了脑科学与人工智能的融合，是更高级别人工智能的基础。对于理解最优路径，构建认知地图，提升深度学习模型，具有重要意义，是已有系统朝类脑方向前进的一大步。

相关论文信息：https://doi.org/10.1016/j.neunet.2020.02.023

版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。