高層速讀
關鍵信息 ：谷歌Deepmind的最新論文展示了一個突破：人工智能體展現出與人腦“網格細胞”高度一致的空間導航能力。人工智能在遊戲中學會了“抄近路”，並超過職業玩家水平。
關鍵意義：這對於人工智能的可解釋性和神經科學的算法性都具有重要意義。
大多數動物和人類，都能靈活地在世界中遨遊，向前探索新的領域，也可以返回任何地方，還能走捷徑。這些能力是如此的簡單和自然，以至於我們根本不清楚潛在的過程到底有多複雜。相比之下，對於能力遠遠超過動物的人工智能體來說，空間導航仍然是一個巨大的挑戰。
2005年，一項驚人的發現揭示了空間行為神經迴路的關鍵部分：在動物探索環境的過程中，神經元以一種非常規則的六邊形網格模式發射，這些六邊形的神經元被稱為“網格細胞”，網格細胞有助於空間導航（GPS），類似於地圖上的網格線。
第一個發現網格細胞的小組獲得了2014年諾貝爾生理學和醫學獎，但是，即便他們發現了該理論已經10多年，網格細胞的計算功能，以及它們是否支持基於矢量的導航的問題，仍然是個謎。
除了是動物內部的座標系統之外，網格細胞最近被假設支持基於矢量的導航。
DeepMind今天發表在Nature上的論文“Vector-based navigation using grid-like representations in artificial agents”中，研究人員開發了一種人工智能體（artificial agent）來測試“網格細胞支持基於矢量的導航”這一理論。
第一步，研究者訓練了一個循環網絡，來執行在虛擬環境中給自己定位的任務，使用主要的運動相關的速度信號（線速度和角速度）。這種能力通常是哺乳動物在不熟悉的地方或黑暗中行走時使用的。
研究者發現，網狀結構自動出現了，這與覓食哺乳動物中觀察到的神經活動模式有顯著的融合，也與網格單元為空間提供高效代碼的觀點一致。
▲產生了類似網格的結構（“網格單元”），與哺乳動物中的生物網格細胞非常相似
接下來，研究者試圖測試網格細胞是否支持基於矢量的導航，他們通過將最初的“網格網絡”與更大的網絡架構結合起來，創建了一個人工智能代理。
這個人工智能代理在經過深度強化學習訓練之後，在虛擬現實遊戲環境中自動導航找到了目標。該代理的水平超越了專業遊戲玩家的能力，並展示了動物般靈活的導航類型，智能代理採用了捷徑，學會了“抄近路”。
通過一系列的實驗操作，研究者發現網格細胞對於基於矢量的導航是至關重要的。例如，當網絡中的網格單元被靜默時，會使智能代理的導航能力受損，距離和方向等關鍵指標的表示變得不那麼準確。
此次研究是理解大腦中網格細胞基本計算的重要一步，同時也強調了它們對人工智能代理的好處。
更進一步，類似的方法可以用來測試那些對感知聲音或控制肢體有重要意義的大腦區域的理論。未來，這樣的網絡很可能為科學家們提供一種新的方法來進行“實驗”，提出新的理論，甚至對目前在動物身上進行的研究提供補充。
閱讀更多 AI商業觀察 的文章
