人工智能研究人员可以从自组装大脑中学到什么

2022年1月12日整理发布：人工智能的历史充满了研究和复制大脑运作和结构的理论和尝试。符号人工智能系统试图通过基于规则的模块来复制大脑的行为。深度神经网络是根据大脑的神经激活模式和布线设计的。

但柏林自由大学(柏林自由大学)神经生物学教授彼得·罗宾·希辛格认为，一个没有得到人工智能社区足够关注的想法是大脑如何自我创造。

在他的《自组装大脑》一书中，Hiesinger 建议，与其从端点的角度来看大脑，不如研究基因组中编码的信息如何随着我们的成长而转变为大脑。这一研究方向可能有助于为人工智能社区发现新的想法和研究方向。

自组装大脑是作为一系列研讨会演讲组织的，其中穿插了机器人工程师、神经科学家、遗传学家和人工智能研究员之间的讨论。发人深省的对话有助于了解每个领域在与思维、大脑、智能和人工智能相关的主题上的观点和漏洞。

生物大脑与人工神经网络

心灵的许多秘密仍未解开。但我们所知道的是，构建人体的程序基因组并不包含大脑如何连接的详细信息。初始状态不提供直接计算最终结果的信息。这个结果只能通过逐步计算函数并从头到尾运行程序来获得。

当大脑通过遗传算法时，它会发展出新的状态，这些新状态构成了下一步发展的基础。

正如 Hiesinger 在The Self-Assembling Brain 中描述的过程：“在每一步，基因组的一部分被激活以产生基因产物，这些基因产物本身会改变基因组的哪些部分接下来将被激活——基因组与其产物之间的持续反馈过程. 一个特定的步骤以前可能不可能，也可能永远不可能。随着增长的继续，一步一步地达到新的组织状态。”

因此，我们的基因组包含了创建大脑所需的信息。然而，这些信息并不是描述大脑的蓝图，而是一种用时间和精力开发大脑的算法。在生物大脑中，成长、组织和学习是同时发生的。在每个新的发展阶段，我们的大脑都会获得新的学习能力(常识、逻辑、语言、解决问题、计划、数学)。随着年龄的增长，我们学习的能力也会发生变化。

自组装是生物大脑和人工神经网络之间的主要区别之一，人工神经网络是目前流行的人工智能方法。

“与以前在 AI 中采用的任何方法相比，ANN 更接近人工大脑。然而，在 ANN 研究的大部分历史中，自组织并不是一个主要话题，”Hiesinger 写道。

在学习任何东西之前，人工神经网络从一个固定的结构和预定义的层数和参数开始。一开始，参数不包含任何信息，并被初始化为随机值。在训练期间，神经网络会在审查大量示例时逐渐调整其参数值。当网络在将输入数据映射到其正确输出时达到可接受的精度时，训练停止。

用生物学术语来说，人工神经网络的发展过程相当于让大脑长到成人大小，然后打开它并尝试教它做事。

“生物大脑在生命中并不是以具有随机突触和没有信息内容的网络开始的。生物大脑在成长，”Hiesinger 写道。“蜘蛛不会学会织网;信息通过开发和环境输入之前在其神经网络中编码。”

实际上，虽然深度神经网络经常与它们的生物学对应物进行比较，但它们的根本差异使它们处于两个完全不同的水平。

“今天，我敢说，这两者的可比性似乎一如既往地不明朗，”Hiesinger 写道。“一方面，遗传编码的增长和从新输入中学习的结合;另一方面，没有增长，而是通过重新调整以前随机的网络来学习。”