你的大脑如何学会坐地铁和AI开发者为什么要在意呢
在机器学习中,程序员可以开发一个人工智能(AI)可以计算出所有可能的结果,一个行动。然而,人类却没有同样的原始计算能力;我们必须有效地创建并执行一个计划。我们精神上发明不同的“层”来组织我们的行动,然后考虑更高层次而不是单独的步骤,根据一项神经元研究成员谷歌DeepMind和牛津大学。
参见:人工智能,模仿儿童学习
”的理念基本上是理解人类或动物做长期决策,”Jan官员说,牛津大学的博士生和谷歌DeepMind的成员。“我们感兴趣的是试图找到机器学习解决困难的任务和现实问题。经常可以从神经科学有用的灵感。”
官员和他的同事使用导航游戏作为一个代理来解码人类大脑的决策过程。在一个虚拟的地铁系统类似于伦敦地铁,每个车站代表一个单独的步骤,而不同颜色的地铁线路代表更高层次的层次结构。22个参与者在游戏训练,然后有目的地站作为一个目标,并在磁共振成像扫描仪。
研究人员检查是否参与者更关注地铁线路或个人站在游戏中导航。研究小组发现,一般来说,大脑活动和响应时间增加线的数量变化参与者和目的地之间的站,而不是自己站的数量。大脑的区域,与这种类型的决策有关的背内侧前额叶皮质的一部分,这是众所周知的,支持更高的认知功能,如规划、和前运动皮层,更多地参与真实的或想象的动作的执行。
相关:人类行为的模拟
“我们展示了,在一个比以往的研究更简单和直接的方式,反映在大脑分层表示,”官员说。
然而,有一些部分的大脑变得更加活跃参与者逐步实现他们的目标,用更少的站在一行:腹内侧前额叶皮层和海马。在以往的研究中,海马体被证明对给定目标靠近。
总的来说,官员说,“我们希望看到人类的大脑如何实现诸如层次结构来设计更聪明的算法。在机器学习中,有一个分层表示决策可能是有益的或有害的取决于你选择正确的层次结构来实现的。”
注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
出版
官员6 Jet al。神经机制层次规划在一个虚拟的地铁网络。神经元,5月18日2016年出版。doi: 10.1016 / j.neuron.2016.03.037
