在 Google 人工智能研究团队 DeepMind 的努力下，AI 似乎又要在一个领域打败人类的专业，只是这次并不是什么困难的棋类，而是常见的迷宫游戏。虽然游戏需要的定位与找路能力或许听来简单，但实际作用方式却非常复杂。
2005 年，科学家在动物身上发现网格细胞（grid cells），并透过这项研究赢得诺贝尔奖。透过研究揭示的内容，普遍认为网格细胞便是动物能自动导航、寻找路径的关键所在，这些细胞就像在特定空间里画上无数六角形网格，如同座标系统反应前进的轨迹路线，帮助我们在空间中绕过障碍，计算前往目的地路径并找到捷径前往。
但这么多年以来，科学家都并未能确定网格细胞与生物导航间的详细机制，如今 DeepMind 团队透过训练 AI 在虚拟迷宫空间定位，成功发现 AI 自发性的发展出类似网格细胞的功能。
《卫报》报导指出，团队在建构出深层神经网络（DNN）后，透过编码出大鼠觅食时的方向与速度来教导程式导航的基本知识，随着时间过去，AI 在虚拟环境移动时定位的情况变得越来越好。训练中，团队发现近四分之一 DNN 的人造神经元开始像生物的网格细胞一样活动，换句话说，AI 在导航找到了同样的策略──就像人类大脑很久以前就开始做的那样。
“我们很惊讶 AI 运作得这么好，这与原先机制的相似程度绝对很惊人。”
▲ 上方为 AI 制造的网格单位，下方为大鼠的网格细胞。（Source：DeepMind）
在发现 AI 制造的网格单位（grid units）之后，DeepMind 研究人员稍微改进了程式，而 AI 持续在游戏测试中击败有经验的人类玩家，甚至速度更快，还能在捷径出现时立即判断出路径。
DeepMind 高级研究员 Dharshan Kumaran 表示，AI 所做的，就是像各种动物一样尽可能采取直接路线，并在有可用路线时采用捷径，而透过网格细胞的模拟，AI 找路的性能显著增强，已能超越专业的人类玩家。
网格细胞对生物的导航定位来说至关重要。虽然人们往往将找路视为一件稀松平常的事，但其中的机制我们仍未完全了解，透过这项研究，人脑自动导航背后的神经机制将有望更清楚的揭露出来。
这项研究也意味着 AI 领域的另一个里程碑，尽管 AI 技术已证明能在图像辨识和棋类游戏超越人类，但像人脑导航所面对的认知挑战则完全不同。这项研究等于开创了 AI 技术全新的可能性。
在 AI 可以探索类似大脑活动的情况下，除了能用来制作更聪明的程式，也为电脑工程师找到工作的全新目标：透过打造 AI 模型协助神经科学家更理解人类的大脑，而不需要透过动物或人体实验进行。
▲ 像人脑一样的导航定位对 AI 来说是不同于下棋的挑战。（Source：pixabay）
约翰霍普金斯大学 AI 和神经科学专家 Francesco Savelli 表示，在他看来 AI 系统的神奇之处，便是接受任务时能找出自己的方式去处理数据以解决问题，“这个模型中，网格单位的出现恰恰证明了这一点。”
下一个研究阶段，团队将继续打造结合人造网格细胞网络的更复杂 AI 系统，并试着让 AI 迷失在虚拟实境（VR）迷宫中并观察反应，这篇研究论文已刊载于《自然》（Nature）期刊。
- Google’s AI program DeepMind learns human navigation skills
- Navigating with grid-like representations in artificial agents
（首图来源：shutterstock）
延伸阅读：
- DeepMind 打造全新学习模式“SAC-X”，鼓励机器人自我摸索完成任务
- Google 的 AI 又进化了！像真人一样打电话订位、回邮件
- DeepMind 创办人：AI 要展现出真正潜力，得从人类智慧中获得更多灵感
