AlphaGo戰(zhàn)勝世界圍棋冠軍李世石引起了各界不小的震動,不少文章也從人工智能和圍棋的角度進(jìn)行了解析,作為神經(jīng)科學(xué)研究人員,我更關(guān)注...
AlphaGo戰(zhàn)勝世界圍棋冠軍李世石引起了各界不小的震動,不少文章也從人工智能和圍棋的角度進(jìn)行了解析,作為神經(jīng)科學(xué)研究人員,我更關(guān)注的是這一事件與神經(jīng)科學(xué)的關(guān)聯(lián)及其意義。
自然智能(大腦)與人工智能的對話可以從三個(gè)方面來理解:首先人腦創(chuàng)造和完善人工智能的過程就是一個(gè)對話的過程。其次,人工智能在某些領(lǐng)域挑戰(zhàn)人類大腦(如棋類比賽)則是一個(gè)更直接的對話形式。另外,大腦智力研究領(lǐng)域和人工智能研究領(lǐng)域之間的交叉和滲透更是一個(gè)具有重要意義的對話過程。
非常巧合的是,1949年在人工智能領(lǐng)域和神經(jīng)科學(xué)領(lǐng)域都發(fā)生了一個(gè)重要?dú)v史事件。這一年,機(jī)器學(xué)習(xí)和人工智能的先驅(qū)者,
美國人Arthur Samuel在IBM計(jì)算機(jī)上編寫出了第一個(gè)國際跳棋的程序,首次向人們展示了具有一定自我學(xué)習(xí)能力的人工智能。同一年,
加拿大認(rèn)知科學(xué)家和心理學(xué)家Donald Hebb發(fā)表了經(jīng)典論著“行為的組織”,為大腦的學(xué)習(xí)機(jī)制提出了神經(jīng)連接學(xué)說,即著名的Hebb學(xué)習(xí)定律。雖然Hebb學(xué)說被認(rèn)為是人工智能應(yīng)用神經(jīng)網(wǎng)路的理論依據(jù),實(shí)際上在這個(gè)理論提出之后的數(shù)十年里,人工智能和腦認(rèn)知科學(xué)基本上是在兩個(gè)平行的軌跡上發(fā)展,沒有實(shí)質(zhì)性的交集。
隨著計(jì)算機(jī)硬件的快速發(fā)展和更先進(jìn)的編程程序的應(yīng)用,依靠強(qiáng)大的運(yùn)算能力,IBM計(jì)算機(jī)“深藍(lán)”于1997年5月?lián)魯×藝H象棋冠軍加里·卡斯帕羅夫,成為人工智能發(fā)展的一個(gè)標(biāo)志性歷史事件。人們難以想象計(jì)算機(jī)能夠?qū)@樣的復(fù)雜系統(tǒng)進(jìn)行全部運(yùn)算。
AlphaGo之父Hassabis不僅是一個(gè)罕見的天才,他的經(jīng)歷也非常有意思:8歲時(shí)設(shè)計(jì)了電腦游戲;13歲成為國際象棋大師;之后分別在劍橋大學(xué)和倫敦大學(xué)學(xué)院獲得計(jì)算
機(jī)科學(xué)和認(rèn)知神經(jīng)學(xué)專業(yè)學(xué)位。Hassabis在認(rèn)知神經(jīng)科學(xué)的訓(xùn)練,無疑是他在設(shè)計(jì)AlphaGo時(shí)能夠得心應(yīng)手地應(yīng)用具有深度自我學(xué)習(xí)功能的多層次神經(jīng)網(wǎng)絡(luò)的重要原因。
我們再來看看Hebb定律的核心:大腦各神經(jīng)元之間通過突觸相互聯(lián)系而形成復(fù)雜的網(wǎng)絡(luò),雖然初期的聯(lián)系可能是隨機(jī)的,但最終的網(wǎng)絡(luò)聯(lián)系及聯(lián)系的強(qiáng)度則決定于所聯(lián)系的神經(jīng)元之間是否具有反復(fù)的關(guān)聯(lián)活動,即突觸前神經(jīng)元A持續(xù)重復(fù)的活動如果能夠引起突觸后神經(jīng)元B產(chǎn)生同步的放電活動,則可以導(dǎo)致該突觸傳遞效能的增加,突觸聯(lián)系的穩(wěn)定性得到增強(qiáng)。即“一起放電的神經(jīng)元將連接在一起”。
Hebb學(xué)習(xí)定律根據(jù)神經(jīng)元連接間的激活水平而改變權(quán)值,是一個(gè)無監(jiān)督學(xué)習(xí)規(guī)則,使網(wǎng)絡(luò)能夠提取訓(xùn)練的統(tǒng)計(jì)特性,把輸入信息按照發(fā)生的幾率劃分為不同權(quán)重的類型進(jìn)行判斷處理。而AlphaGo的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)正是采用這一原理,當(dāng)機(jī)器進(jìn)行反復(fù)的訓(xùn)練后,可以對落子的位置形成一定的優(yōu)先級篩選,從而跳過某些落子概率很低的位置運(yùn)算,而不需要對所有可能的位置進(jìn)行運(yùn)算,極大地提高了機(jī)器的運(yùn)算效率。
雖然神經(jīng)科學(xué)家可以驕傲地認(rèn)為,神經(jīng)科學(xué)研究成果和理論為人工智能的里程碑發(fā)展作出了重要貢獻(xiàn),但我們對大腦的工作原理的了解,尤其是在神經(jīng)網(wǎng)絡(luò)水平上的活動規(guī)律和意義的了解,仍然非常有限。而正是神經(jīng)網(wǎng)絡(luò)活動的機(jī)理才是我們理解大腦產(chǎn)生高級功能的關(guān)鍵環(huán)節(jié)。
近年來一些關(guān)鍵研究技術(shù)的快速發(fā)展,使腦科學(xué)研究,尤其是在神經(jīng)網(wǎng)絡(luò)水平的解析,面臨著重大突破的機(jī)遇。基于腦科學(xué)研究的前沿性、學(xué)科交叉性及實(shí)際應(yīng)用的重要意義,這些重大突破必將在科學(xué)、經(jīng)濟(jì)、社會和軍事等領(lǐng)域產(chǎn)生重要影響,因此各發(fā)達(dá)國家都先后啟動了大型的腦研究計(jì)劃。在我國的“十三五”規(guī)劃中,“腦科學(xué)與類腦研究”被列入六個(gè)“科技創(chuàng)新2030重大項(xiàng)目”之一,使中國神經(jīng)科學(xué)家充滿了期待,希望能在國際腦科學(xué)研究領(lǐng)域作出自己特有的重要貢獻(xiàn)。
一個(gè)有意思的問題是,既然人工智能利用簡單的神經(jīng)網(wǎng)絡(luò)原理在某些規(guī)則明確的單一性能的智力(如棋類比賽)方面已經(jīng)超過了人腦,我們是否可以通過對計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)產(chǎn)生人工智能的機(jī)理來反推大腦的神經(jīng)網(wǎng)絡(luò)的工作機(jī)理?目前看來,答案是否定的。因?yàn)橛?jì)算機(jī)神經(jīng)網(wǎng)絡(luò)的具體運(yùn)算過程也是難以捉摸的,實(shí)際上它更像是一個(gè)黑箱系統(tǒng),它的運(yùn)算過程和抉擇完全是根據(jù)它的學(xué)習(xí)經(jīng)驗(yàn)而進(jìn)行的,我們無法了解具體過程并對其進(jìn)行控制。但可以預(yù)見的是,人工智能的發(fā)展必將為腦功能研究,尤其是在解析神經(jīng)網(wǎng)絡(luò)時(shí)所遇到的大數(shù)據(jù)的解析和運(yùn)算提供強(qiáng)有力的工具。