機(jī)器學(xué)習(xí)技術(shù)通常以視覺(jué)系統(tǒng)為基礎(chǔ)進(jìn)行信息處理，現(xiàn)在為了超越這一局限，科學(xué)家們開(kāi)始從嗅覺(jué)當(dāng)中汲取靈感。
如今的人工智能系統(tǒng)（包括受到神經(jīng)元與神經(jīng)系統(tǒng)連接而啟發(fā)的人工神經(jīng)網(wǎng)絡(luò)），已經(jīng)能夠很好地完成具有已知約束條件的任務(wù)，此外，這些系統(tǒng)往往還需要配合大量計(jì)算能力與可觀的訓(xùn)練數(shù)據(jù)集才能起效。憑借這些特質(zhì)，它們?cè)趯?duì)弈、特別是圍棋領(lǐng)域獲得了出色表現(xiàn)，能夠檢測(cè)圖像中是否存在車輛，并成功區(qū)分貓與狗等不同視覺(jué)對(duì)象。不過(guò)賓夕法尼亞大學(xué)計(jì)算神經(jīng)科學(xué)家Konard Kording指出，“但它們?cè)趧?chuàng)作音樂(lè)或者撰寫短篇小說(shuō)方面卻表現(xiàn)得相當(dāng)糟糕。顯然，如今的人工智能系統(tǒng)在以有意義的方式進(jìn)行推理時(shí)面臨著重大的挑戰(zhàn)?！?/p>
為了克服這些局限性，一部分研究小組正在回歸從大腦中尋求新答案的方法。更令人稱奇的是，其中一些研究人員選擇了看似不太可能的起點(diǎn)：嗅覺(jué)?？茖W(xué)家們希望更好地理解有機(jī)體如何處理化學(xué)信息，并發(fā)現(xiàn)了似乎有望解決人工智能問(wèn)題的相關(guān)編碼策略。此外，嗅覺(jué)回路與其它更為復(fù)雜的大腦區(qū)域間存在驚人的相似性，而后者則可能指引我們構(gòu)建起更強(qiáng)大的智能機(jī)器。
計(jì)算機(jī)科學(xué)家們現(xiàn)在正著手在機(jī)器學(xué)習(xí)環(huán)境當(dāng)中對(duì)上述發(fā)現(xiàn)進(jìn)行消化。
僥幸與革命
時(shí)至今日，最為先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)至少在某種程度上仍然依賴于視覺(jué)系統(tǒng)模擬結(jié)構(gòu)，即以信息為基礎(chǔ)進(jìn)行分層攝取。當(dāng)視覺(jué)層接收到感官數(shù)據(jù)時(shí)，其首先會(huì)選擇小的但定義明確的特征，包括邊緣、紋理、顏色等與空間映射相關(guān)的元素。神經(jīng)科學(xué)家David Hubel與Torsten Wiesel在上世紀(jì)五十年代到六十年代發(fā)現(xiàn)，視覺(jué)系統(tǒng)中的特定神經(jīng)元與視網(wǎng)膜中的特定像素位置屬于一一對(duì)應(yīng)關(guān)系，這一重大發(fā)現(xiàn)亦使他們成功拿下諾貝爾獎(jiǎng)。
當(dāng)視覺(jué)信息通過(guò)皮層神經(jīng)元進(jìn)行傳遞時(shí)，邊緣、紋理與顏色等細(xì)節(jié)信息匯集在一起共同形成愈發(fā)抽象的輸入表達(dá)：例如對(duì)象為人臉，且面部特征顯示其身份為Jane。網(wǎng)絡(luò)中的每一層都有助于有機(jī)體實(shí)現(xiàn)這一最終判斷目標(biāo)。
深層神經(jīng)網(wǎng)絡(luò)會(huì)以類似的分層方式運(yùn)作，并給機(jī)器學(xué)習(xí)與人工智能研究帶來(lái)了一場(chǎng)深遠(yuǎn)的革命。為了都會(huì)這些網(wǎng)絡(luò)識(shí)別人臉等物體，研究人員會(huì)向網(wǎng)絡(luò)當(dāng)中傳入數(shù)以千計(jì)的樣本圖像。該系統(tǒng)會(huì)加強(qiáng)或削弱各人工神經(jīng)元之間的連接，從而更準(zhǔn)確地判斷特定像素集合所形成的更為抽象的人臉圖形。在充足樣本的支持之下，其能夠識(shí)別新圖像當(dāng)中包含的人臉對(duì)象，以及此前從未見(jiàn)過(guò)的場(chǎng)景中的人臉模式。
研究人員在此類網(wǎng)絡(luò)當(dāng)中取得了巨大成功，除了圖像分類方面，其亦可在語(yǔ)音識(shí)別、語(yǔ)言翻譯以及其它機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域帶來(lái)良好表現(xiàn)。華盛頓大學(xué)計(jì)算神經(jīng)科學(xué)中心的研究人員Charles Delahunt表示，“我喜歡將深層網(wǎng)絡(luò)視為貨運(yùn)列車。其非常強(qiáng)大，但要求我們提供平坦的路面，從而鋪設(shè)軌道并建立龐大的基礎(chǔ)設(shè)施。但我們都很清楚，生物系統(tǒng)并不需要這些——它們能夠解決很多深層網(wǎng)絡(luò)如今尚無(wú)法解決的難題?！?/p>
下面再來(lái)聊聊人工智能領(lǐng)域的熱門話題：自動(dòng)駕駛汽車。在汽車立足新環(huán)境進(jìn)行導(dǎo)航時(shí)，周邊環(huán)境將始終不斷變化，且充滿噪音與模糊性因素。如此一來(lái)，受到視覺(jué)系統(tǒng)啟發(fā)的深度學(xué)習(xí)技術(shù)可能無(wú)法正常發(fā)揮作用。事實(shí)上，基于視覺(jué)的松散方法恐怕也不能很好地解決問(wèn)題。在這方面，麻省理工學(xué)院的生物物理學(xué)家Adam Marblestone表示，視覺(jué)處理所代表的是一種在根本層面以偶然性為基礎(chǔ)的洞察獲取能力，這是一種“歷史的僥幸”。正是這種僥幸讓科學(xué)家們獲得了目前人工智能領(lǐng)域最為成熟的系統(tǒng)，即基于圖像的機(jī)器學(xué)習(xí)應(yīng)用方向。
加州索爾克生物研究所的計(jì)算機(jī)科學(xué)家Saket Navlakha則提醒稱，“每種類型的刺激都會(huì)以不同的方式進(jìn)行處理。舉例來(lái)說(shuō)，視覺(jué)與嗅覺(jué)就采用完全不同的信號(hào)類型。因此，大腦可能會(huì)使用多種不同的策略來(lái)處理不同類型的數(shù)據(jù)。我認(rèn)為除了研究視覺(jué)系統(tǒng)如何運(yùn)作之外，研究人員還有很多其它課題需要探索?！?/p>
圖：索爾克研究所計(jì)算機(jī)科學(xué)家Saket Navlakha開(kāi)發(fā)出一種基于飛蠅的嗅覺(jué)回路算法，希望改善機(jī)器學(xué)習(xí)技術(shù)在相似搜索與新型檢測(cè)任務(wù)中的表現(xiàn)。
他和其他一些研究人員們發(fā)現(xiàn)，昆蟲(chóng)的嗅覺(jué)回路可能會(huì)帶來(lái)一些值得參考的經(jīng)驗(yàn)。直到上世紀(jì)九十年代，哥倫比亞大學(xué)的生物學(xué)家Linda Buck與Richard Axel才發(fā)現(xiàn)用于處理氣味受體的基因，這標(biāo)志著嗅覺(jué)研究工作正式起步。從那時(shí)開(kāi)始，嗅覺(jué)系統(tǒng)開(kāi)始變得極具特色，并指導(dǎo)著更多研究人員探索蒼蠅與其它昆蟲(chóng)對(duì)氣味的處理方式。一部分科學(xué)家認(rèn)為，其能夠輕松解決視覺(jué)系統(tǒng)所不能處理的多種常見(jiàn)計(jì)算挑戰(zhàn)。
Delahunt解釋稱，“我們之所以關(guān)注嗅覺(jué)，是因?yàn)檫@是一套有限的系統(tǒng)，因此能夠以相對(duì)完整的方式實(shí)現(xiàn)表征。這是個(gè)值得為之奮斗的好機(jī)會(huì)?！?/p>
英國(guó)赫特福德大學(xué)計(jì)算神經(jīng)科學(xué)家Michael Schmuker補(bǔ)充稱，“人們現(xiàn)在已經(jīng)能夠利用視覺(jué)完成一些奇妙的任務(wù)。也許我們也能夠通過(guò)嗅覺(jué)實(shí)現(xiàn)同樣神奇的效果?！?/p>
隨機(jī)與稀疏網(wǎng)絡(luò)
嗅覺(jué)與視覺(jué)在很多層面存在著本質(zhì)性的區(qū)別。首先，氣味是一種非結(jié)構(gòu)化信息，其不存在邊緣； 換言之，我們無(wú)法在空間當(dāng)中對(duì)具體對(duì)象進(jìn)行分組。氣味屬于具備不同組成及深度的混合物，我們難以將其歸類為彼此相似或不同。因此，研究人員在探索中往往并不清楚應(yīng)該對(duì)哪些特征加以關(guān)注。
這些氣味將由淺層三層網(wǎng)絡(luò)進(jìn)行分析，該網(wǎng)絡(luò)在結(jié)構(gòu)上比視覺(jué)皮層復(fù)雜得多。此外，嗅覺(jué)區(qū)域的神經(jīng)元會(huì)隨機(jī)對(duì)整個(gè)受體空間進(jìn)行采樣，而非關(guān)注層次結(jié)構(gòu)中的特定區(qū)域。研究人員們利用索爾克研究所神經(jīng)生物學(xué)家Charles Stevens提出的所謂“反映射（antimap）”機(jī)制。在像視覺(jué)皮層這樣的映射系統(tǒng)當(dāng)中，神經(jīng)元的位置將提示其所攜帶的信息類型。但在嗅覺(jué)皮層的反映射體系下，情況則并非如此。相反，信息會(huì)在整個(gè)系統(tǒng)中分布，且對(duì)相關(guān)數(shù)據(jù)的讀取需要立足一些極低數(shù)量的神經(jīng)元進(jìn)行采樣。更具體地講，研究人員需要通過(guò)高維空間內(nèi)的稀疏信息表達(dá)來(lái)實(shí)現(xiàn)反映射。
采取與果蠅相同的嗅覺(jué)回路，研究人員利用50個(gè)各自對(duì)不同分子具有敏感性的投射神經(jīng)元接收受體輸入。單一氣味會(huì)激發(fā)多個(gè)不同神經(jīng)元，而每個(gè)神經(jīng)元都代表著不同的氣味。這是一組信息的重疊表示，并在本示例中以50維空間表現(xiàn)。在此之后，該信息會(huì)被隨機(jī)投射至200個(gè)所謂凱尼恩（Kenyon）細(xì)胞中，該細(xì)胞通過(guò)編碼識(shí)別對(duì)應(yīng)的特定氣味。（對(duì)哺乳動(dòng)物而言，其體內(nèi)的梨狀皮質(zhì)細(xì)胞即負(fù)責(zé)處理此項(xiàng)任務(wù)。）其將形成40倍規(guī)模擴(kuò)展，從而確保神經(jīng)反應(yīng)模式以更敏銳的方式實(shí)現(xiàn)氣味區(qū)分。
Navlakha表示，“我們假設(shè)有1000個(gè)人齊聚于某一房間當(dāng)中，并嘗試根據(jù)業(yè)余愛(ài)好對(duì)其進(jìn)行分類組織。當(dāng)然，在這個(gè)擁擠的空間內(nèi)，大家或許能夠找到一些方法將其劃分成不同的團(tuán)隊(duì)。但在實(shí)際場(chǎng)景中，人們相當(dāng)于分散在廣闊的足球場(chǎng)上，研究人員需要學(xué)會(huì)處理這些額外的空間并構(gòu)建起數(shù)據(jù)。”
飛蠅的嗅覺(jué)回路構(gòu)建完成之后，其需要找到一種切實(shí)可行的方法以利用非重疊神經(jīng)元識(shí)別不同氣味。這套模型通過(guò)數(shù)據(jù)“稀疏化”實(shí)現(xiàn)這一點(diǎn)。在2000個(gè)凱尼恩細(xì)胞當(dāng)中，只有約100個(gè)（占總體數(shù)量的5％）對(duì)于特定氣味具有高活性（其它活性較低的細(xì)胞處于靜默狀態(tài)），并為各氣味提供唯一的標(biāo)注。
簡(jiǎn)而言之，雖然傳統(tǒng)的深層網(wǎng)絡(luò)（同樣是從視覺(jué)系統(tǒng)中獲取線索）在“學(xué)習(xí)”時(shí)會(huì)不斷改變其連接強(qiáng)度，但嗅覺(jué)系統(tǒng)似乎通常不會(huì)以這種對(duì)投射神經(jīng)元與凱尼恩細(xì)胞間連接進(jìn)行調(diào)整的方式進(jìn)行自我訓(xùn)練。
隨著研究人員在新世紀(jì)中對(duì)嗅覺(jué)系統(tǒng)的不斷探索，他們開(kāi)發(fā)出相應(yīng)算法以確定更高維度的隨機(jī)嵌入與稀疏性對(duì)計(jì)算效率造成的實(shí)際影響。英國(guó)蘇塞克斯大學(xué)的Thomas Nowotny與加利福尼亞大學(xué)圣迭戈分校的Ramón Huerta兩位科學(xué)家甚至建立起另一種與機(jī)器學(xué)習(xí)模型間的連接方式，并將其命名為支持向量機(jī)（support vector machine）。他們認(rèn)為，自然與人工系統(tǒng)對(duì)信息的處理方式在形式上是等同的，二者都會(huì)利用隨機(jī)組織與維度擴(kuò)展的方式有效表達(dá)復(fù)雜數(shù)據(jù)。在這方面，人工智能與生物進(jìn)化在同一類解決方案上實(shí)現(xiàn)了獨(dú)立融合。
圖：蘇塞克斯大學(xué)信息學(xué)教授Thomas Nowotny發(fā)現(xiàn)了嗅覺(jué)系統(tǒng)與一類所謂支持向量機(jī)的模型之間的相似之處。以此為基礎(chǔ)，他進(jìn)一步探索嗅覺(jué)的實(shí)現(xiàn)原理并希望借此指導(dǎo)更多潛在的人工智能應(yīng)用方向。
憑借著這種連接方式，Nowotny和他的同事持續(xù)探索嗅覺(jué)與機(jī)器學(xué)習(xí)技術(shù)之間的關(guān)系，希望尋求二者之間更深層次的聯(lián)系。2009年，他們表示最初用于識(shí)別氣味的昆蟲(chóng)嗅覺(jué)模型也可成功識(shí)別手寫數(shù)字。此外，除去其中的大部分神經(jīng)元——用以模擬腦細(xì)胞的死亡與無(wú)替換過(guò)程——并不會(huì)對(duì)其表現(xiàn)造成太大影響。Nowotny表示，“這套系統(tǒng)中的某些部分可能會(huì)中斷，但系統(tǒng)整體仍能夠繼續(xù)工作?！痹谒磥?lái)，未來(lái)火星探測(cè)器等設(shè)備有望采用這種硬件類型，從而在惡劣的條件下長(zhǎng)期保持運(yùn)行。
12下一頁(yè)>（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
