仿人脑神经开发AI，剑桥大学最新研究登Nature子刊，人造大脑成AI新方向

【导读】剑桥大学最新研究显示，AI模型和人脑神经结构有不少相似，也许未来会成为AI模型设计的关键。

原文来源：新智元

图片来源：由无界 AI生成

人脑作为地球上最复杂的智能载体，一个最大的特点就是能高能效地产生智能。如果能尽可能按照人脑的工作原理来创建AI系统，将会大大提高AI的工作效率，大幅降低能耗。 

最近，剑桥大学做了这么项研究，就是想找到一个条路径，让AI系统复制人脑。 

论文地址：https://www.cam.ac.uk/research/news/ai-system-self-organises-to-develop-features-of-brains-of-complex-organisms ‌

直译过来就是——AI系统自我组织，生成了一系列人脑的特征，甚至还有各种复杂的组织。 

AI仿真大脑

大脑大家都不陌生，里面有很多神经系统和组织。所有的组织和系统都在有限的物理空间内部争取有限的能量和资源。 

但为了和谐共生，各部分之间就得平衡一下彼此的需求。 

这也就是为什么各个物种的脑部结构都差不多，就是因为在不断的优化和调整之后，大家都倾向于发育成类似的组织解决方案。这种方案能带来各部分之间的平衡。 

剑桥大学医学研究委员会认知与脑科学组（MRC CBU）的盖茨学者Jascha Achterberg表示，「大脑不仅善于解决复杂的问题，而且在解决复杂问题时耗能还很少。」 

而剑桥大学的新研究，就有助于我们理解为什么大脑看起来就是现在这个样子。研究途径，就是将大脑解决问题的能力和在解决问题的过程中极少的耗能这两点结合在一起，进行整体的考虑。 

共一作者是同样来自MRC CBU的Danyal Akarca博士，他补充说：这源于一个广泛的原则，即生物系统的进化通常是为了最大限度地利用其可用的能量资源。它们找到的解决方案往往非常优雅，反映了施加给它们的各种力量之间的权衡。 

而这篇发表在Nature Machine Intelligence的研究，就是Achterberg、Akarca和他们的其他团队成员创建的一个AI系统。核心就是模拟一个非常简化的大脑模型，同时施加了和人脑差不多的物理约束。 

研究表明，这个设计出来的AI系统，还真发展出了某些和人类大脑相似的关键性特征，以及发育策略。 

人脑中存在大量神经元，而这个系统使用的是计算节点，不是真正的神经元。但神经元和节点的功能类似，都是接收输入、转换输入并产生输出，而且单个节点或神经元可能连接多个其他节点或神经元，这一点没什么差别。 

并且，所有信息输入以后都要经过计算。 

下面就是最主要的部分了——研究团队施加的物理限制。 

每个节点在虚拟空间中都有一个特定的位置，两个节点离得越远，它们就越难以进行沟通。这与人脑中神经元的组织方式类似。 

首先，研究人员给该系统布置了一个简单的任务——一个简化版的迷宫导航任务，通常是在研究大脑时给大鼠和猕猴等动物布置的任务，参与者必须结合多种信息来决定到达终点的最短路线。 

之所以研究团队选择这项任务，其中一个原因就是，要完成这项任务，系统需要记住一系列的要素——包括起始位置、终点位置和中间的步骤。 

一旦系统学会了怎样可靠地完成任务，研究人员就有可能在试验的不同时刻观察到哪些节点是重要的。 

例如，一个特定的节点集群可能负责编码迷宫终点的位置，而其它节点集群则侧重编码可用的路线这一块。 

因此，研究人员就可以跟踪哪些节点在任务的不同阶段处于活动状态，以此判断各节点的不同功能。 

起初，系统不知道如何走出迷宫，甚至还会犯错误。 

但是，当系统得到反馈后，它就会通过不断的自我学习，逐渐明白如何更有效率地完成这项任务。 

具体方式是，这个AI系统会通过改变节点间连接的强度来进行学习，这和我们人类在学习时脑细胞之间连接强度会出现变化类似。 

在自我学习过后，系统就会一遍又一遍地重复任务，直到最终学会如何正确执行完所有任务。