<object id="yeuek"><div id="yeuek"></div></object>
<rt id="yeuek"></rt>
<object id="yeuek"><div id="yeuek"></div></object>
<rt id="yeuek"><div id="yeuek"></div></rt>
<object id="yeuek"><small id="yeuek"></small></object>

想理解人類大腦工作原理,或許可以從嗅覺系統開始

機器學習技術通常以視覺系統為基礎進行信息處理,現在為了超越這一局限,科學家們開始從嗅覺當中汲取靈感。

如今的人工智能系統(包括受到神經元與神經系統連接而啟發的人工神經網絡),已經能夠很好地完成具有已知約束條件的任務,此外,這些系統往往還需要配合大量計算能力與可觀的訓練數據集才能起效。憑借這些特質,它們在對弈、特別是圍棋領域獲得了出色表現,能夠檢測圖像中是否存在車輛,并成功區分貓與狗等不同視覺對象。不過賓夕法尼亞大學計算神經科學家Konard Kording指出,“但它們在創作音樂或者撰寫短篇小說方面卻表現得相當糟糕。顯然,如今的人工智能系統在以有意義的方式進行推理時面臨著重大的挑戰。”

為了克服這些局限性,一部分研究小組正在回歸從大腦中尋求新答案的方法。更令人稱奇的是,其中一些研究人員選擇了看似不太可能的起點:嗅覺。科學家們希望更好地理解有機體如何處理化學信息,并發現了似乎有望解決人工智能問題的相關編碼策略。此外,嗅覺回路與其它更為復雜的大腦區域間存在驚人的相似性,而后者則可能指引我們構建起更強大的智能機器。

計算機科學家們現在正著手在機器學習環境當中對上述發現進行消化。

僥幸與革命

時至今日,最為先進的機器學習技術至少在某種程度上仍然依賴于視覺系統模擬結構,即以信息為基礎進行分層攝取。當視覺層接收到感官數據時,其首先會選擇小的但定義明確的特征,包括邊緣、紋理、顏色等與空間映射相關的元素。神經科學家David Hubel與Torsten Wiesel在上世紀五十年代到六十年代發現,視覺系統中的特定神經元與視網膜中的特定像素位置屬于一一對應關系,這一重大發現亦使他們成功拿下諾貝爾獎。

當視覺信息通過皮層神經元進行傳遞時,邊緣、紋理與顏色等細節信息匯集在一起共同形成愈發抽象的輸入表達:例如對象為人臉,且面部特征顯示其身份為Jane。網絡中的每一層都有助于有機體實現這一最終判斷目標。

深層神經網絡會以類似的分層方式運作,并給機器學習與人工智能研究帶來了一場深遠的革命。為了都會這些網絡識別人臉等物體,研究人員會向網絡當中傳入數以千計的樣本圖像。該系統會加強或削弱各人工神經元之間的連接,從而更準確地判斷特定像素集合所形成的更為抽象的人臉圖形。在充足樣本的支持之下,其能夠識別新圖像當中包含的人臉對象,以及此前從未見過的場景中的人臉模式。

研究人員在此類網絡當中取得了巨大成功,除了圖像分類方面,其亦可在語音識別、語言翻譯以及其它機器學習應用領域帶來良好表現。華盛頓大學計算神經科學中心的研究人員Charles Delahunt表示,“我喜歡將深層網絡視為貨運列車。其非常強大,但要求我們提供平坦的路面,從而鋪設軌道并建立龐大的基礎設施。但我們都很清楚,生物系統并不需要這些——它們能夠解決很多深層網絡如今尚無法解決的難題。”

下面再來聊聊人工智能領域的熱門話題:自動駕駛汽車。在汽車立足新環境進行導航時,周邊環境將始終不斷變化,且充滿噪音與模糊性因素。如此一來,受到視覺系統啟發的深度學習技術可能無法正常發揮作用。事實上,基于視覺的松散方法恐怕也不能很好地解決問題。在這方面,麻省理工學院的生物物理學家Adam Marblestone表示,視覺處理所代表的是一種在根本層面以偶然性為基礎的洞察獲取能力,這是一種“歷史的僥幸”。正是這種僥幸讓科學家們獲得了目前人工智能領域最為成熟的系統,即基于圖像的機器學習應用方向。

加州索爾克生物研究所的計算機科學家Saket Navlakha則提醒稱,“每種類型的刺激都會以不同的方式進行處理。舉例來說,視覺與嗅覺就采用完全不同的信號類型。因此,大腦可能會使用多種不同的策略來處理不同類型的數據。我認為除了研究視覺系統如何運作之外,研究人員還有很多其它課題需要探索。”

圖:索爾克研究所計算機科學家Saket Navlakha開發出一種基于飛蠅的嗅覺回路算法,希望改善機器學習技術在相似搜索與新型檢測任務中的表現。

他和其他一些研究人員們發現,昆蟲的嗅覺回路可能會帶來一些值得參考的經驗。直到上世紀九十年代,哥倫比亞大學的生物學家Linda Buck與Richard Axel才發現用于處理氣味受體的基因,這標志著嗅覺研究工作正式起步。從那時開始,嗅覺系統開始變得極具特色,并指導著更多研究人員探索蒼蠅與其它昆蟲對氣味的處理方式。一部分科學家認為,其能夠輕松解決視覺系統所不能處理的多種常見計算挑戰。

Delahunt解釋稱,“我們之所以關注嗅覺,是因為這是一套有限的系統,因此能夠以相對完整的方式實現表征。這是個值得為之奮斗的好機會。”

英國赫特福德大學計算神經科學家Michael Schmuker補充稱,“人們現在已經能夠利用視覺完成一些奇妙的任務。也許我們也能夠通過嗅覺實現同樣神奇的效果。”

隨機與稀疏網絡

嗅覺與視覺在很多層面存在著本質性的區別。首先,氣味是一種非結構化信息,其不存在邊緣; 換言之,我們無法在空間當中對具體對象進行分組。氣味屬于具備不同組成及深度的混合物,我們難以將其歸類為彼此相似或不同。因此,研究人員在探索中往往并不清楚應該對哪些特征加以關注。

這些氣味將由淺層三層網絡進行分析,該網絡在結構上比視覺皮層復雜得多。此外,嗅覺區域的神經元會隨機對整個受體空間進行采樣,而非關注層次結構中的特定區域。研究人員們利用索爾克研究所神經生物學家Charles Stevens提出的所謂“反映射(antimap)”機制。在像視覺皮層這樣的映射系統當中,神經元的位置將提示其所攜帶的信息類型。但在嗅覺皮層的反映射體系下,情況則并非如此。相反,信息會在整個系統中分布,且對相關數據的讀取需要立足一些極低數量的神經元進行采樣。更具體地講,研究人員需要通過高維空間內的稀疏信息表達來實現反映射。

采取與果蠅相同的嗅覺回路,研究人員利用50個各自對不同分子具有敏感性的投射神經元接收受體輸入。單一氣味會激發多個不同神經元,而每個神經元都代表著不同的氣味。這是一組信息的重疊表示,并在本示例中以50維空間表現。在此之后,該信息會被隨機投射至200個所謂凱尼恩(Kenyon)細胞中,該細胞通過編碼識別對應的特定氣味。(對哺乳動物而言,其體內的梨狀皮質細胞即負責處理此項任務。)其將形成40倍規模擴展,從而確保神經反應模式以更敏銳的方式實現氣味區分。

Navlakha表示,“我們假設有1000個人齊聚于某一房間當中,并嘗試根據業余愛好對其進行分類組織。當然,在這個擁擠的空間內,大家或許能夠找到一些方法將其劃分成不同的團隊。但在實際場景中,人們相當于分散在廣闊的足球場上,研究人員需要學會處理這些額外的空間并構建起數據。”

飛蠅的嗅覺回路構建完成之后,其需要找到一種切實可行的方法以利用非重疊神經元識別不同氣味。這套模型通過數據“稀疏化”實現這一點。在2000個凱尼恩細胞當中,只有約100個(占總體數量的5%)對于特定氣味具有高活性(其它活性較低的細胞處于靜默狀態),并為各氣味提供唯一的標注。

簡而言之,雖然傳統的深層網絡(同樣是從視覺系統中獲取線索)在“學習”時會不斷改變其連接強度,但嗅覺系統似乎通常不會以這種對投射神經元與凱尼恩細胞間連接進行調整的方式進行自我訓練。

隨著研究人員在新世紀中對嗅覺系統的不斷探索,他們開發出相應算法以確定更高維度的隨機嵌入與稀疏性對計算效率造成的實際影響。英國蘇塞克斯大學的Thomas Nowotny與加利福尼亞大學圣迭戈分校的Ramón Huerta兩位科學家甚至建立起另一種與機器學習模型間的連接方式,并將其命名為支持向量機(support vector machine)。他們認為,自然與人工系統對信息的處理方式在形式上是等同的,二者都會利用隨機組織與維度擴展的方式有效表達復雜數據。在這方面,人工智能與生物進化在同一類解決方案上實現了獨立融合。

圖:蘇塞克斯大學信息學教授Thomas Nowotny發現了嗅覺系統與一類所謂支持向量機的模型之間的相似之處。以此為基礎,他進一步探索嗅覺的實現原理并希望借此指導更多潛在的人工智能應用方向。

憑借著這種連接方式,Nowotny和他的同事持續探索嗅覺與機器學習技術之間的關系,希望尋求二者之間更深層次的聯系。2009年,他們表示最初用于識別氣味的昆蟲嗅覺模型也可成功識別手寫數字。此外,除去其中的大部分神經元——用以模擬腦細胞的死亡與無替換過程——并不會對其表現造成太大影響。Nowotny表示,“這套系統中的某些部分可能會中斷,但系統整體仍能夠繼續工作。”在他看來,未來火星探測器等設備有望采用這種硬件類型,從而在惡劣的條件下長期保持運行。

12下一頁>

(免責聲明:本網站內容主要來自原創、合作媒體供稿和第三方自媒體作者投稿,凡在本網站出現的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后,將會依法盡快聯系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。 )

AI優先,應用為王:2018應用型AI企業TOP50排行榜
贊助商
平特肖固定公式规律
<object id="yeuek"><div id="yeuek"></div></object>
<rt id="yeuek"></rt>
<object id="yeuek"><div id="yeuek"></div></object>
<rt id="yeuek"><div id="yeuek"></div></rt>
<object id="yeuek"><small id="yeuek"></small></object>
<object id="yeuek"><div id="yeuek"></div></object>
<rt id="yeuek"></rt>
<object id="yeuek"><div id="yeuek"></div></object>
<rt id="yeuek"><div id="yeuek"></div></rt>
<object id="yeuek"><small id="yeuek"></small></object>