人工智能停放只有12個神經元的汽車

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

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絡。在計算機上模擬此類網絡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)，與麻省理工學院(MIT)的研究人員合作，現已開發出一種對此類神經網絡進行編程的新方法，該方法以完全不同的方式對神經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系統的神經回路，然后使用機器學習算法對模型進行了修改。這樣，可以用極少的模擬神經細胞來解決非凡的任務，例如停車。即使蠕蟲啟發的網絡僅包含12個神經元，可以訓練它將漫游機器人引導到指定地點。維也納工業大學計算機工程研究所的Ramin Hasani現在在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，這些新穎的神經網絡具有極強的通用性。與通常被認為是有用但難以理解的“黑匣子”的標準人工神經網絡相比，另一個優點是可以理解它們的內部動力學。

“必須訓練神經網絡” Ramin Hasani說。“您提供一個特定的輸入并調整神經元之間的連接，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。維也納工業大學計算機工程學院的拉杜·格羅蘇(Radu Grosu)說：“時間通常在此過程中不起作用。” 對于大多數神經網絡，所有輸入都立即傳遞，立即產生一定的輸出。但是自然界的情況卻大不相同。