旗下微信矩阵:

爱德华•莫泽:人工智能和神经算法,大脑网络定位获取空间的启示

我们的大脑是非常好的,可以同时做很多的工作,哪怕不同的工作之间有一些纷扰,人类大脑仍然可以把这些工作做好。但是计算机直到现在还是很难达到这一点。
2017-11-07 18:37 · 投资界综合     
   

  中共西安市委、西安市人民政府于2017年11月7日—8日在西安举办“2017全球硬科技创新大会”。邀请国家部委、省委省政府领导,诺贝尔奖获得者、国内外相关领域院士专家、科技企业*、知名投资人等约800余人参会。本次大会以“硬科技改变世界,硬科技发展西安”为主题,大会由开幕式、主论坛、分论坛及多场系列活动组成,围绕人工智能、航空航天、生物技术、光电芯片、信息技术、新材料、新能源、智能制造等硬科技“八路军”领域为重点,共举办16场系列论坛活动。

爱德华•莫泽:人工智能和神经算法,大脑网络定位获取空间的启示

  以下为诺贝尔生理学或医学奖得主爱德华•莫泽演讲实录:

  尊敬的陕西省领导、女士们先生们,非常感谢今天你们能来参加此次大会,非常感谢大家邀请我。同时,我对今天的“2017全球硬科技创新大会”献上诚挚的祝福。

  在过去的50多年里,我们都得到了哪些进展?毫无疑问的是,计算机所做出的贡献是非常大的。现在大家对计算机的应用是非常熟悉的,从开始的计算功能,集中在一个或者几个相互连接是有限的中央处理单元上操作。它对大量数据进行精确的操作是非常理想的。但是现在仍然可以做得更好。比如说在物体的识别上,相对人类大脑和动物的大脑,(计算机)应该会做的更好。

  比如说,这个麦克风,我们把它放在面前,大脑就可以立即反应出来,但是对于计算机来说,可能需要一段时间,他首先来识别这个物体,直到现在仍然很难去识别。那对人类来说,大脑是如何工作的?人的大脑和计算机所做的工作有什么区别呢?

  我们的大脑是非常好的,可以同时做很多的工作,哪怕不同的工作之间有一些纷扰,人类大脑仍然可以把这些工作做好。但是计算机直到现在还是很难达到这一点。

  现在我们来看一下大脑是如何去处理这些问题的。

  首先,人类大脑是由很多的神经元组成的,大致是一千亿个神经元,每个神经元里面有1万个连接,人类的大脑就是通过这些连接起来,这里面有很多的流程,神经元按照不同方式组成在一起,我们把它称为网络。我们有一个非常大的网络,组合在一起,通过不同的方式,当然还包括它们的子网络,它们是半独立的方式,然后互相连接在一起,这是我们人类大脑的一个构成。

  人类大脑的网络是随着时间不断去变化的,它们可以不断地接收(信息),互相影响。而且大脑可以在受影响的工作状态中,继续正常工作。但是因为人类的大脑细胞组成有很多不同的网络,它不仅可以从下到上运行,也可以从上到下运行。

  这也是我们实验室当中的一个分析。最近我们使用机器学习技术来解码很多的信息,这不是我今天要讲的内容,但我还是要提到这一点,因为最近我们一直都在研究解码时间,一直在研究大脑当中的某一个特定的区域。我们发现大脑当中的细胞可以同时进行工作,然后我们就问电脑,现在干什么?然后电脑就会回答,电脑会基于很多其他的信息做出预测,他可以做出猜测。而在一半的情况下,它可以精确的告诉我说大脑现在所进行的事情需要多长的时间,10秒钟20秒钟还是30秒钟,事实上电脑可以预测出大脑的活动需要多长的时间。

  从嘈杂的数据当中读取信息,为什么电脑不能做到这一点,但是神经网络可以做到?因为我们的神经网络是可塑的,它们可以自己学习。它们不是静态的,它们从自己的经验当中学习。

  我来给大家展示一下,在这张幻灯片上大家可以看到一个神经网络。大家在右下角这个图片上可以看到一种连接,这是神经细胞的连接。这种连接可以发生变化,它们可以基于经验发生变化,它们可以变得更强大或者是变得更加柔弱。大家可以看到各个细胞之间的连接,有一些细胞变得越来越强,有一些细胞变得越来越弱,这些都是根据经验来发生变化的。在左边大家可以看到有一些分子,正是因为这些分子的变化导致了这些细胞的变化,导致了这些细胞在它们力量上面的变化。

  它们的变化会导致大脑进行某种活动,会通过改变这种连接状态来进行学习。在这些方面,人和动物的大脑都可以去学习,同时还可以形成某种记忆,以便日后检索。

  今天大家可以用计算机来解决一些非常复杂的问题,电脑可以根据自己的经验去学习,在这个会议上已经有很多个发言人都提到了AlphaGo,可能大部分人都对。计算机,也就是人工智能,现在比一个世界的棋王下棋下得还要好。

  但需要注意的是,我们对计算机的训练其实用到的是人类专家的行为,这是一种结构化的训练。几周前自然杂志上发表了一篇文章,这个文章告诉我们AlphaGo已经变的更好,他已经成为了自己的老师,它已经不需要别人告诉它怎么样去完成任务了,所以事实上我们是可以让机器来学习一些非常复杂的任务的。

  很显然自主学习是具有非常大的潜力的,这也是人工智能的一个方向。我想问一个问题,人工智能能不能从我们的大脑网络中学到一些东西?有时候答案是肯定的,但大脑所做的事情并不一定是适用于计算机的,它们两个是完全不同的个体,但是在信息尤其是噪声信息加工的方面,大脑的加工方式仍然是有一些计算机可以来借鉴的地方。

  人类的神经网络是怎么样运作的?为了这个答案,我们必须进一步探讨一些基础性的问题。其中的一个问题就是大脑是如何工作的?我们是怎么样找到自己的路的呢?人类的大脑或者是任何一个电脑的大脑都可以告诉我们现在在哪,比如说我们是在法国,我们在埃菲尔铁塔下,我们甚至是在沙漠当中,都可以找到自己的方向,我们知道我们的前方是哪,我们的后面的路是通到哪的,这是一种能力,这是在人类发展的早期,大脑就已经计划的一种功能,如果你找不到路的话,你就找不到水,你就找不到你的同伴,你可能会被其他的动物吃掉,所以这是一种大脑基本的能力。

  通过学习大脑是如何确立空间的,我们也许就能了解大脑皮层神经网络是如何运作的。事实上,我们只要了解了神经网络的运作方式,就能够了解大脑的空间定位系统是如何运作的。

  20世纪70年代,约翰奥基夫从自由移动的老鼠的海马体中揭露出了一种单一的神经元,海马体是大脑当中非常重要的一个部分,他就在你的耳后这个部位,它主要是跟行进和空间感知相关,它记录了海马体中很多活动。老鼠在一个盒子里面移动的时候,它会记录这个自由移动的老鼠海马体的运动情况,比如说它会发现如果它给盒子里面投掷一个巧克力,这个老鼠就会往巧克力的方向移动。然后它记录下海马体变化的过程。然后他发现了一个细胞,在海马体当中发现了一个特别的细胞,比如说你听到声音的时候,你会发现大脑就被激活了。

  老鼠是在盒子里面自由移动的,每一次它都会去这个盒子的左上方,每一次它到这个盒子左上方的时候,这个细胞就被激活了,大家可以看到这些红色的小点,每一次这个和老鼠到这个位置的时候就会记录下这些红色的点,而当这个老鼠在其他的地方移动的时候,这些细胞是没有被激活的,这些细胞都是沉默的,所以这就说明,这些细胞可以告诉我们老鼠的位置。

  老鼠在这个盒子里面到处去找小颗粒碎片,然后我们收集了海马体的行动路线,最后发现有一些特别的神经元,大家可以看到这个细胞被激活了,在海马体当中有数千个这种细胞,但是每一个细胞都在不同的位置,所以基于这些,基夫和她的同事从二十世纪的七十年代开始就发现,这些位置细胞事实上人类大脑的空间体系的一部分,就是我们说的认知地图的一部分。

  2015年的时候,我们的团队在挪威也开始了研究,我们研究的不是海马体,我们研究的是海马体旁边的一个不为人知的地方,我们用了同样的实验,收集了每一个细胞的信号,从这些信号传导过程我们发现老鼠在几分钟的时间里,他几乎到了这个盒子里面的所有地方,这些黑点就是细胞被激活的点。

  大家还记不记得在刚才的这个实验中,只有在某一个特定的区域,就是在左上角那个区域位置细胞才能被激活,但是这些细胞是不一样的,因为它们在很多区域都存在,大家可以看到它们有很多的细胞群。还有左边有红线的这个图,事实上我们可以看一下这些细胞,联系在一起的话是一个菱形的状态,会构成一个小的空间,也就是基于这个原因,我们把这些细胞叫做网格细胞,这些网格细胞也是我们大脑跟空间跟地图有关的系统的一部分,它是一个空间的测量系统,很多人把这些网格细胞跟GPS进行比较。

  这些网格细胞怎么样被激活?为什么它们是在这些地方被激活的,而不是其他地方被激活的?因为老鼠在盒子里面是自由移动的,除非细胞只是在具体的某一些点上被激活,那么这些细胞怎么知道在哪一个点要去激活呢?有很多的方式来计算位置集中的一个方式就是通过周边的地标,比如说门楼梯椅子等等,你们可以用周围的这些地标性建筑告诉你,你现在在哪,但是一个更有效的方式,也就是我们通常情况下事实上没有注意到的一个方式,就是我们自己的动作,我们可以通过自我动作来找到我们的位置来进行定位。

  那么是怎么样工作的呢?当GPS计算我们自己的位置的时候,他事实上是基于我们的方向、基于我们移动的距离来计算我们的位置的,告诉我们,我们现在在哪;你的旁边是有一个黄色的房子,还是一个红色的房子,他只关心你自己的移动那么这些网格细胞通过我们自我移动的数据来计算我们的位置,也就是说大脑有自己的方式来构成这样的一个三角图。

  所以我觉得,网络隔膜式之所以会出现,就是因为大脑会记录自我的运动。

  事实上规模方向和消费关系是有相关性的,不管你是在今天这个讲堂,还是说在一个咖啡厅,或者说你在室外都是同样的一个网格图,它反复使用的相同的地图,因为这种情况下你压根不需要其他的这个体系来争这个环境,这个完全是不同的,这个是从我们这个细胞里面是完全不一样的,因为它们有不同的关系。

  我们发现之前它们是不相关的,然后比如说我们在这个房间里面,它是不相关的,但是重复暴露同一个房间,它在不同的环境里面,它是不相关的,这个对我们人类的大脑记忆是特别有效的、特别有作用的。

  1971年的时候,我们发现,所有的这些地图只互相是联系起来,但实际上它们有着不同的记忆,对这个咖啡厅的记忆,还有对大街上的记忆有很大的区别,所以你不会把它融合在一起,这是我们分别的记忆。这两个技术我们放在一起,但它们有不同的目的。现在我再去给大家讲另外一种方法。

  首先我想跟大家说,这是一个方向,实际上我们在1985年的时候我们都已经发现了人类的大脑细胞,它是计算我们的方向的。

  除此之外,2008年我们发现了边界细胞。2015年,我们又发现了速度细胞。

  最后我给大家说一下我们这个系统是如何工作的。

  在人类的大脑中,所有的这些网格和细胞位置在我们复杂的神经网络中协作,现在我们希望计算机也形成这样一个网格,也是在同一时间做不同的工作,或者说我们现在会说让它们在同一时间里面可以运行成百上千个工作。

  我们发现的一个计算方法就是:操作复杂的数据,处理许多实时信息交换的信息流,这就是我们现在所有的科技人员在做的事,我也希望对人类做出非常大的贡献。

  最后,再次祝福今天的大会取得圆满成功。

【本文经授权发布,不代表投资界立场。本平台仅提供信息存储服务。】如有任何疑问题,请联系(editor@zero2ipo.com.cn)投资界处理。