JZTXT

Catalyzing next-generation Artificial Intelligence through NeuroAI

发布时间 2023-04-11 15:16:49作者: 穷酸秀才大草包

郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！

Nature Communications, 2023, 14(1): 1597

 

Abstract

　　长期以来，神经科学一直是人工智能（AI）进步的重要驱动力。我们建议，为了加速AI的进步，我们必须投资于NeuroAI的基础研究。其中的一个核心组成部分是具体的图灵测试，该测试挑战人工智能动物模型以与活体动物相似的技能水平与感觉运动世界互动。具体的图灵测试将重点从游戏和语言等特别发达或独特的人类能力转移到了那些从5亿多年的进化中继承下来的所有动物共享的能力。构建能够通过具体图灵测试的模型将为下一代人工智能提供路线图。

 

　　在未来几十年里，人工智能将以与上半个世纪的计算机革命一样深刻的方式改变社会和世界经济，而且可能会以更快的速度。这场人工智能革命为释放人类创造力和促进经济增长提供了巨大的机会，使工人不再从事最危险和最卑微的工作。然而，要达到这一潜力，我们仍然需要进步，使人工智能的能力更像人类。从历史上看，神经科学一直是人工智能进步的关键驱动力和灵感来源，尤其是那些使人工智能在人类和其他动物擅长的领域更加熟练的领域，如视觉、基于奖励的学习、与物理世界的互动和语言1，2。它仍然可以发挥这个作用。为了加速人工智能的进步并实现其巨大潜力，我们必须投资于“神经人工智能”的基础研究

　　当前人工智能革命的种子是几十年前播下的，主要是研究人员试图了解大脑是如何计算的。事实上，最早建立“人工大脑”的努力导致了现代“冯·诺依曼计算机体系结构”的发明，为此，约翰·冯·诺伊曼明确利用了他在20世纪40年代所能获得的非常有限的大脑知识4，5。后来，David Hubel和TorstenWiesel在猫新皮层视觉处理电路方面的诺贝尔奖获得者工作启发了深度卷积网络，这些网络催化了现代AI6-8的最近革命。同样，强化学习的发展直接受到了对学习过程中动物行为和神经活动的深入了解9-15的启发。现在，几十年过去了，人工神经网络和RL的应用来得如此之快，以至于许多观察家认为，人类级智能的长期难以捉摸的目标——有时被称为“人工通用智能”——就在我们的掌握之中。然而，与业内人士的乐观态度形成鲜明对比的是，许多一线人工智能研究人员认为，在我们能够构建出能够完成人类甚至小鼠等简单得多的动物所能完成的所有任务的人工系统之前，还需要取得重大突破。

　　尽管人工智能系统可以在象棋16和围棋17等游戏中轻松击败任何人类对手，但它们并不健壮，在面对新情况时往往会遇到困难。此外，尽管最近的进展令人鼓舞，但我们还没有建立一个有效的系统，可以走到架子上，取下象棋，设置棋子，并在比赛中移动它们。同样，没有任何机器可以筑巢、觅食浆果或照顾幼崽。今天的人工智能系统无法与四岁儿童甚至简单动物的感觉运动能力竞争。驾驭新情况所需的许多基本能力——动物毫不费力地拥有或获得的能力——对人工智能来说似乎具有挑战性，部分原因是人工智能系统甚至缺乏与不可预测的世界互动的基本能力。越来越多的人工智能研究人员怀疑，仅仅扩大目前的方法就能克服这些限制。鉴于需要在人工智能中实现更多的自然智能，很可能需要从自然智能系统中获得新的灵感19。

　　从历史上看，许多关键的人工智能进步，如卷积神经网络和强化学习，都受到了神经科学的启发。神经科学继续提供指导——例如，基于注意力的神经网络大致受到大脑中注意力机制的启发20-23，但这通常是基于几十年前的发现。人工智能和神经科学之间的这种异花授粉远没有过去那么常见，这意味着错过了一个机会。在过去的几十年里，通过NIH BRAIN倡议和其他倡议，我们积累了大量关于大脑的知识。NeuroAI这一新兴领域是神经科学和人工智能的交叉点，其前提是更好地理解神经计算将揭示智能的基本成分，并催化人工智能的下一次革命。这将最终产生具有与人类相匹配的能力的人工智能体。我们倡导的NeuroAI计划是基于这样一种认识，即人工智能在历史上很大程度上归功于神经科学，并承诺人工智能将继续从中学习——但前提是有足够多的研究人员精通这两个领域。我们认为，现在是时候进行大规模的努力来识别和理解生物智能的原理，并将其抽象化以应用于计算机和机器人系统。