陳根：仿生模型的人工智能，19個神經元就能操控車輛行駛_風聞

泛智能時代下，人工智能已經嵌入人們的生活的方方面面，從搜索引擎到自動駕駛汽車，打開的新聞是人工智能為做的算法推薦，網上購物，首頁上顯示的是人工智能為用户推薦的最有可能感興趣、最有可能購買的商品，這些生活變化背後的技術進步，一點都不比機器能在棋盤上戰勝人類冠軍來得更小。

這與近年來巨大的計算能力有關，但同時，人工智能研究的最新結果表明，更簡單、更小的神經網絡可以比以前更好、更有效、更可靠地解決某些任務。比如，讓人工智能模仿生物模型，事實上這也一直是科學家研究的重要方向之一。

近日，來自麻省理工學院CSAIL、tuwien（維也納）和IST奧地利的一個國際研究小組就開發了一種新的人工智能系統，它基於微小動物的大腦，如絲蟲。這種新型的人工智能系統只需19個人工神經元就能控制車輛。

類似於大腦，人工神經網絡由許多單個神經元組成。當一個神經元處於活動狀態時，它將向其他神經元發送信號。下一個神經元會收集所有信號，組合起來並決定其自身是否激活。一個神經元影響下一個神經元的方式決定了整個系統的下一次行為。這些參數會在自動學習過程中不斷調整，直到神經網絡可以解決特定任務為止。

與此前的深度學習模型相比，新架構的神經元和數學模型是全新的，單個神經元的信號處理方式遵循了完全不同的數學原理。整個網絡非常稀疏，因為並非每個神經元之間都互相連接在一起。這讓模型變得更簡單。

新系統由卷積神經網絡和控制系統構成。其中，控制系統部分，又被稱為神經迴路策略（NCP），可以將感知模塊中的數據轉換為轉向命令，僅包含 19 個神經元，比現有最好模型要小好幾個數量級。

新的深度學習模型在一輛真正的自主汽車上進行了測試。**研究人員可以輕易地找出，在駕駛時，神經網絡的注意力放在哪裏：**在這種情況下，是路肩和地平線。

研究小組表示，與以前的深度學習模型相比，該系統具有決定性的優勢：它能更好地處理噪聲輸入，而且由於其簡單，其操作模式可以詳細解釋。它不必被視為一個複雜的“黑匣子”，因為它可以被人類理解。這種新的深度學習模型已經發表在《自然機器智能》雜誌上。