維也納理工大學(xué)的計算機科學(xué)家正在通過從生物學(xué)中汲取靈感來改善人工智能。新方法毫不費力地實現(xiàn)了驚人的結(jié)果。

自然生長的大腦與普通的計算機程序完全不同。它不使用由清晰的邏輯指令組成的代碼，它是相互通信的單元網(wǎng)絡(luò)。在計算機上模擬此類網(wǎng)絡(luò)可以幫助解決難以分解為邏輯操作的問題。

在維也納維也納(TU Wien)，與麻省理工學(xué)院(MIT)的研究人員合作，現(xiàn)已開發(fā)出一種對此類神經(jīng)網(wǎng)絡(luò)進行編程的新方法，該方法以完全不同的方式對神經(jīng)信號的時間演化進行建模。它的靈感來自于一個特別簡單且經(jīng)過精心研究的生物-round蟲秀麗隱桿線蟲。在計算機上模擬了來自其神經(jīng)系統(tǒng)的神經(jīng)回路，然后使用機器學(xué)習(xí)算法對模型進行了修改。這樣，可以用極少的模擬神經(jīng)細胞來解決非凡的任務(wù)，例如停車。即使蠕蟲啟發(fā)的網(wǎng)絡(luò)僅包含12個神經(jīng)元，可以訓(xùn)練它將漫游機器人引導(dǎo)到指定地點。維也納工業(yè)大學(xué)計算機工程研究所的Ramin Hasani現(xiàn)在在10月20日于維也納舉行的TEDx會議上介紹了他的工作。

可以證明，這些新穎的神經(jīng)網(wǎng)絡(luò)具有極強的通用性。與通常被認為是有用但難以理解的“黑匣子”的標準人工神經(jīng)網(wǎng)絡(luò)相比，另一個優(yōu)點是可以理解它們的內(nèi)部動力學(xué)。

“必須訓(xùn)練神經(jīng)網(wǎng)絡(luò)” Ramin Hasani說。“您提供一個特定的輸入并調(diào)整神經(jīng)元之間的連接，以便傳遞所需的輸出。”

輸入例如可以是照片，而輸出可以是圖片中人物的名字。維也納工業(yè)大學(xué)計算機工程學(xué)院的拉杜·格羅蘇(Radu Grosu)說：“時間通常在此過程中不起作用。” 對于大多數(shù)神經(jīng)網(wǎng)絡(luò)，所有輸入都立即傳遞，立即產(chǎn)生一定的輸出。但是自然界的情況卻大不相同。