拯救人工智障,Nature子刊分析动物大

选自Nature

作者：AnthonyM.Zador

机器之心编译

参与：一鸣、思

动物为什么生下来没多久就能学会又跑又跳？为什么我们设计的神经网络有时候智障到连猫和狗还分不清楚？是时候从动物身上学习设计神经网络的经验了。本论文从神经科学的角度出发，分析了动物快速学习的原因，并为人工智能研究提出了一些可以借鉴的思想。

Reddit很多机器学习研究者都表示虽然起初大脑与人工神经网络（ANN）之间会有启发关系，但是随着机器学习的发展，ANN更多是在数学与计算方面的创新，很多「拟人化」的概念都是高度抽象的数学表示方法。不过正因为动物的学习和机器的学习都希望处理相似的任务，那么相互之间还是可以借鉴的。

在这篇Nature论文中，作者表示大部分动物行为并非ML学习算法，也不是监督学习或非监督学习那种范式，而是将模块或回路编码在了基因组中。这样不论是发展迁移学习、还是利用模型架构编码先验知识，或者初始化限定学习方向，这篇论文都有一定的借鉴意义。

具体而言，作者表示动物生来就具有高度结构化的大脑连接，使它们可以快速学习。由于这种连接方式过于复杂，无法全部完整地记录在基因组中，其必须被「基因组瓶颈」压缩。这种「基因组瓶颈」的压缩方式可以给机器学习的快速学习机制带来启发。

论文链接：

最新文章