圖片來源@視覺中國

文丨學(xué)術(shù)頭條，作者丨朱哼哼，編審丨王新凱

提到人工智能機(jī)器人，大家會想到什么？

也許很多人會想到谷歌阿爾法狗，作為第一個擊敗人類職業(yè)圍棋選手、第一個戰(zhàn)勝人類圍棋世界冠軍的人工智能機(jī)器人，阿爾法狗當(dāng)年可謂是火遍全球，“阿爾法圍棋”也成功入選了當(dāng)年的中國媒體十大新詞。

相比于阿爾法狗，2008 年安德魯·斯坦頓編導(dǎo)、皮克斯動畫工作室制作的電影《機(jī)器總動員》中，可以像人類一樣獨(dú)立思考甚至自由戀愛的機(jī)器人瓦力和伊娃，或許更符合人們對人工智能的期待。

圖 | 瓦力（來源：disney）

值得關(guān)注的是，近日，來自日本東京大學(xué)的研究人員利用活體神經(jīng)元開發(fā)的物理儲備池計(jì)算技術(shù)，就成功開發(fā)出了一款可以自主走迷宮的機(jī)器人。整個實(shí)驗(yàn)過程，研究人員不斷通過電脈沖刺激機(jī)器人自主糾正方向，直至它成功走出迷宮。

與谷歌的阿爾法狗不同，這個機(jī)器人無法看到環(huán)境、無法感知環(huán)境也沒有經(jīng)過任何走迷宮的學(xué)習(xí)，而完全是依賴干擾信號就可以完成走迷宮的目標(biāo)。

對次，本研究通訊作者東京大學(xué)信息科學(xué)與技術(shù)研究院副教授 Hirokazu Takahashi表示，“這一研究結(jié)果表明，生命系統(tǒng)的智能或是一種自無序狀態(tài)或混亂狀態(tài)中提取的連續(xù)輸出機(jī)制。而通過提取混亂的神經(jīng)元信號找到解決方案并儲存在儲備池中就是所謂的物理儲備池計(jì)算。一個小學(xué)生無法解決大學(xué)的數(shù)學(xué)問題，就是因?yàn)樗麄兊摹瘍涑亍粔蜇S富。

相關(guān)研究以“Physical reservoir computing with FORCE learning in a living neuronal culture?”為題，發(fā)表在最新一起的?Applied Physics Letters?雜志上。

模擬人工智能并不簡單

長期以來，人們一直認(rèn)為智能并不是人類獨(dú)有，像人類一樣可以自主學(xué)習(xí)和推理的機(jī)器人是可以被制作出來的。然而，事情卻并沒有想象中的那么簡單。

所謂人工智能，也就是可以智能工作的機(jī)器。例如，阿爾法狗可以自主下棋并輕易擊敗人類圍棋冠軍。那么，阿爾法狗算是人工智能嗎？

顯然還不能夠，雖然它可以學(xué)習(xí)無數(shù)的棋譜，進(jìn)行無數(shù)的訓(xùn)練，輕易戰(zhàn)勝所有人類圍棋選手。但是，人類想要戰(zhàn)勝它也很簡單，就如網(wǎng)友評價(jià)那樣，直接拔掉它的電源就好了。畢竟它除了下圍棋，其他啥也不會。不像人類，在面對生命危險(xiǎn)時(shí)會做出反抗或逃跑。

而之所以目前的人工智能都無法像人類一樣獨(dú)立學(xué)習(xí)和思考，很大程度上與目前人們開發(fā)人工智能的模式有關(guān)。

（來源：Pixabay）

一般情況下，在給電腦編寫程序之前，程序員知道他想讓電腦做的任務(wù)是什么。可是，在人工智能領(lǐng)域，程序員要求電腦做正確的事情，可同時(shí)又不是很清楚事情到底是什么。比如我們讓電腦去識別人臉，可是我們?nèi)祟愖约阂膊皇峭耆宄竽X是如何識別人臉的。

在現(xiàn)實(shí)世界中，人類不僅要面對還要處理種種不確定性事件。比如你在達(dá)到一個目標(biāo)前，受到諸多困難，你需要排除萬難；你在駕車時(shí)，前方?jīng)_出一輛車，你需要轉(zhuǎn)動方向盤避免撞車；你在處理一項(xiàng)任務(wù)時(shí)，突然接到另一項(xiàng)重要任務(wù)，你需要隨機(jī)應(yīng)變。一個智能的電腦程序不僅能夠按照既定計(jì)劃完成任務(wù)，還能確保在不確定事件發(fā)生的情況下完成任務(wù)。

所以，真正的人工智能，必須能夠不斷感知周圍環(huán)境的變化，并對此做出反應(yīng)，適時(shí)改變和調(diào)整自己的行動，以期出色完成任務(wù)。

物理儲備池計(jì)算幫助機(jī)器人“獨(dú)立”思考

儲備池計(jì)算（Reservoir Computing）是近年來人工智能領(lǐng)域的一個新型概念，也叫 Echo state network，被視為是神經(jīng)網(wǎng)絡(luò)（Neural Network）的一種拓展框架。

而所謂的物理儲備池計(jì)算，就是將給定物理系統(tǒng)（例如光子系統(tǒng)、神經(jīng)系統(tǒng)、機(jī)械系統(tǒng)等）中的內(nèi)在非線性動力學(xué)用作計(jì)算資源儲存。儲備池計(jì)算的一個神奇之處在于，中間層的儲備池矩陣是隨機(jī)生成的且生成后就保持不變，真正需要訓(xùn)練的只有輸出層，這也使它比傳統(tǒng)的方法快很多。

圖 | 物理儲備池實(shí)驗(yàn)系統(tǒng)示意圖（來源：AIP）

因此，簡單來說，物理儲備池計(jì)算就是給一個隨機(jī)鏈接的脈沖神經(jīng)網(wǎng)絡(luò)（物理儲備池）一些輸入，然后用現(xiàn)有的機(jī)器學(xué)習(xí)的方法來學(xué)習(xí)這個網(wǎng)絡(luò)對于特定的輸入的模式，從而達(dá)到模式識別的目的?？梢宰鲆粋€類比，如果把脈沖神經(jīng)網(wǎng)絡(luò)等同于大腦的神經(jīng)回路的話，那么儲備池計(jì)算就是從大腦神經(jīng)回路里接出幾個輸出，然后判斷這些連接輸出的神經(jīng)元都以怎樣的模式活動并歸類，從而判別輸入端接受到了怎樣的信息。

為了在活的神經(jīng)元中進(jìn)行物理儲備池計(jì)算，研究人員開發(fā)了一個閉環(huán)系統(tǒng)來從自發(fā)活躍的神經(jīng)元培養(yǎng)物中產(chǎn)生相干信號，操作移動機(jī)器人。神經(jīng)元培養(yǎng)物在微電極陣列上生長，以方便細(xì)胞外信號測量。尖峰事件與半高斯核進(jìn)行卷積以平滑信號，并將信號加權(quán)用于 FORCE 學(xué)習(xí)的輸出。

而反饋信號由光活性籠狀谷氨酸和 Rubi- 谷氨酸產(chǎn)生，使用 473 nm 藍(lán)光照射會打破籠裝結(jié)構(gòu)，激活神經(jīng)元細(xì)胞。在 FORCE 學(xué)習(xí)中通過 RLS 算法調(diào)整權(quán)重，使輸出信號變成目標(biāo)常數(shù)信號。輸出信號與目標(biāo)之間的偏差用于機(jī)器人控制，如果誤差為 0 則機(jī)器人向前移動，否則要么左轉(zhuǎn)、要么右轉(zhuǎn)。

此外，研究人員還開發(fā)了一套定制的程序，來處理尖峰數(shù)據(jù)以執(zhí)行 FORCE 學(xué)習(xí)，并與機(jī)器人進(jìn)行雙向通信。該程序可以根據(jù) FORCE 學(xué)習(xí)的輸出調(diào)整藍(lán)光照射的時(shí)間，對神經(jīng)元施加電刺激。最終，研究人員證實(shí)，通過 FORCE 學(xué)習(xí)不斷干擾神經(jīng)元信號后，移動機(jī)器人成功走出了迷宮。

這一研究結(jié)果表明，通過向混沌的具體系統(tǒng)發(fā)送干擾信號，而無需任何額外的學(xué)習(xí)就可以生成目標(biāo)導(dǎo)向行為，機(jī)器人無需感知環(huán)境，完全依賴電刺激也能出色的完成迷宮任務(wù)。

對于這一研究成果 Hirokazu Takahashi 教授表示，“物理儲備池計(jì)算可以幫助我們更好地了解人類大腦的工作機(jī)制，有利于創(chuàng)造像人類一樣思考的人工智能機(jī)器人?！?/strong>

參考資料：
https://aip.scitation.org/doi/full/10.1063/5.0064771
https://www.eurekalert.org/news-releases/932479

更多精彩內(nèi)容，關(guān)注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App