哈佛DeepMind開辟「虛擬神經(jīng)科學(xué)」新領(lǐng)域！在世界模擬器馴養(yǎng)「賽博老鼠」
人類和動物能夠輕松靈活地移動，這是一種進(jìn)化奇跡，目前還沒有任何機(jī)器人能夠完全模仿這種能力。
如何能讓機(jī)器人變得更加敏捷？
科學(xué)家為了解決這個問題，選擇從動物身上尋找答案，又開始用小白鼠做起了實驗——畢竟成年老鼠的智力與8歲兒童相當(dāng)，而且它們四肢相當(dāng)靈活，對自己的身體有著精妙的控制能力。
如果能通過老鼠破解大腦控制運動的密碼，建立一個將控制原理與行為動物的神經(jīng)活動結(jié)構(gòu)聯(lián)系起來的模型，那就再好不過了。
圖片
《獻(xiàn)給阿爾吉儂的花束》中被改造的智能老鼠
可是這次，沒有一只小白鼠為人類科學(xué)事業(yè)而獻(xiàn)身，因為科學(xué)家們發(fā)明了一只虛擬的「AI老鼠」！
這個搭載了人工智能大腦的虛擬老鼠，可以讓人們深入了解大腦是如何產(chǎn)生復(fù)雜、協(xié)調(diào)的動作的。
研究團(tuán)隊來自哈佛大學(xué)與谷歌DeepMind人工智能實驗室，他們創(chuàng)造出的「虛擬嚙齒動物」，可能會開辟出一塊嶄新的領(lǐng)域——「虛擬神經(jīng)科學(xué)」！
這項開創(chuàng)性的研究發(fā)表在Nature上，研究發(fā)現(xiàn)虛擬控制網(wǎng)絡(luò)中的激活狀態(tài)準(zhǔn)確預(yù)測了在產(chǎn)生相同行為的真實老鼠大腦中測得的神經(jīng)活動。
圖片
論文地址：https://www.nature.com/articles/s41586-024-07633-4
利用從真實老鼠身上記錄的高分辨率數(shù)據(jù)，研究小組訓(xùn)練了一個人工神經(jīng)網(wǎng)絡(luò)，作為虛擬老鼠的「大腦」。
這個人工智能大腦在一個名為MuJoCo的物理模擬器中控制虛擬身體，模擬器中存在重力等作用力。
圖片
研究人員在Deepminds MuJoCo模擬器中創(chuàng)建了虛擬老鼠，神經(jīng)網(wǎng)絡(luò)充當(dāng)虛擬老鼠的「大腦」，在物理模擬器中控制老鼠的身體
在模擬器中，「AI大鼠」的動作與真正的嚙齒動物毫無二致。
這意味著從現(xiàn)實到虛擬已經(jīng)實現(xiàn)，下一步，就是從虛擬再抵達(dá)現(xiàn)實——讓機(jī)器人的動作更加絲滑，從而帶來具身智能的巨大飛躍。
AI老鼠或?qū)㈤_辟「虛擬神經(jīng)科學(xué)」新領(lǐng)域
構(gòu)建具身agents
谷歌DeepMind高級研究總監(jiān)、該研究的合著者M(jìn)atthew Botvinick表示，團(tuán)隊從構(gòu)建具身智能體的挑戰(zhàn)中學(xué)到了很多。
Matthew Botvinick
這些AI系統(tǒng)不僅需要智能思考，還需要在復(fù)雜環(huán)境中將這種思考轉(zhuǎn)化為實際行動，「在神經(jīng)科學(xué)背景下采用這種方法似乎有可能為行為和大腦功能提供洞見」。
研究生Diego Aldarondo與DeepMind的研究人員密切合作，對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練，以實現(xiàn)逆動力學(xué)模型（inverse dynamics models），科學(xué)家認(rèn)為我們的大腦就是利用這種模型來指導(dǎo)運動的。
圖片
例如，當(dāng)我們伸手去拿一杯咖啡時，我們的大腦會迅速計算出手臂應(yīng)遵循的軌跡，并將其轉(zhuǎn)化為運動指令。同樣，基于實際老鼠的數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)被輸入了所需運動的參考軌跡，并學(xué)習(xí)產(chǎn)生生成該運動的力。
這使得虛擬老鼠能夠模仿各種行為，甚至包括一些它沒有明確訓(xùn)練過的行為。
對腦科學(xué)和機(jī)器人學(xué)意義重大
研究人員認(rèn)為這些模擬可以開創(chuàng)一個新的「虛擬神經(jīng)科學(xué)」領(lǐng)域，在這個領(lǐng)域中，經(jīng)過訓(xùn)練的人工智能模擬動物的行為與真實動物無異，可以為研究神經(jīng)回路提供方便、透明的模型，例如研究神經(jīng)回路如何受到疾病的影響。
除了基礎(chǔ)的腦科學(xué)研究外，該平臺還有可能用于設(shè)計改進(jìn)的機(jī)器人控制系統(tǒng)。
接下來，科學(xué)家們想讓虛擬老鼠自主解決真實老鼠遇到的任務(wù)。
哈佛大學(xué)有機(jī)和進(jìn)化生物學(xué)系的Bence ?lveczky教授解釋說，「從實驗中，我們對如何解決這類任務(wù)，以及如何實現(xiàn)支撐熟練行為習(xí)得的學(xué)習(xí)算法有很多想法」。
Bence ?lveczky
「我們希望開始使用虛擬大鼠來測試這些想法，并幫助推進(jìn)我們對真實大腦如何產(chǎn)生復(fù)雜行為的理解。」
像研究小白鼠一樣研究AI
人工神經(jīng)網(wǎng)絡(luò) vs. 生物神經(jīng)網(wǎng)絡(luò)
我們可以像研究小白鼠一樣研究人工智能嗎？DeepMind和哈佛大學(xué)的研究人員似乎是這么認(rèn)為的。
Bence ?lveczky教授是建立生物力學(xué)逼真的數(shù)字大鼠模型這一工作的領(lǐng)導(dǎo)者。
由他帶領(lǐng)的研究人員和Google DeepMind科學(xué)家的合作，早在2020年就見諸報端，相關(guān)成果作為2020年ICLR會議論文發(fā)表。
圖片
論文地址：https://openreview.net/pdf?id=SyxrxR4KPS
哈佛大學(xué)博士后研究員、該篇論文三作Jesse Marshall表示，這個平臺可以讓研究人員測試不同神經(jīng)網(wǎng)絡(luò)在不同程度上的生物真實性，從而了解它們應(yīng)對復(fù)雜挑戰(zhàn)的能力，因此可以說這是神經(jīng)科學(xué)的風(fēng)洞。
這篇論文的發(fā)表也因此成為了團(tuán)隊努力了解大腦如何產(chǎn)生和實現(xiàn)靈活性的起點。
圖片
「虛擬嚙齒動物」在訓(xùn)練中完成了多項任務(wù)，包括跳過縫隙、在迷宮中覓食，以及用前爪觸球兩次，兩次觸球之間有精確的時間間隔。
加拿大女王大學(xué)的神經(jīng)學(xué)家Stephen Scott認(rèn)為，雖然人們必須謹(jǐn)慎對待人工神經(jīng)網(wǎng)絡(luò)和生物神經(jīng)網(wǎng)絡(luò)之間過于廣泛的類比，但這種方法可能是探究行為的神經(jīng)基礎(chǔ)的一種非常富有成效的方法。
哈佛與DeepMind之間的合作
哈佛大學(xué)與谷歌DeepMind人工智能實驗室之間的合作非常密切，這成為了虛擬大鼠研究不斷深化的基礎(chǔ)。
?lveczky對這次合作大加贊揚。
「DeepMind開發(fā)出了一條管道，用以訓(xùn)練生物力學(xué)agents在復(fù)雜環(huán)境中移動。我們根本沒有資源來運行這樣的模擬，來訓(xùn)練這些網(wǎng)絡(luò)。」
Botvinick也表示，與哈佛研究人員的合作同樣是「一個非常令人興奮的機(jī)會」。
參考資料：
