人工智能已经进入我们的日常生活——从搜索引擎到自动驾驶汽车。这与近年来出现的巨大计算能力有关。但人工智能研究的新结果显示，使用更简单、更小的神经网络可以比以往任何时候都更好、更高效、更可靠地解决某些任务。
来自维也纳理工大学、奥地利科学研究院和美国麻省理工学院的一个国际研究小组开发了一种新的人工智能系统，该系统基于蛲虫等微小动物的大脑。这种新型人工智能系统可以用少量的人工神经元控制车辆。该团队表示，与之前的深度学习模型相比，该系统具有决定性的优势:它能更好地应对嘈杂输入，而且，由于其简单性，其操作模式可以得到详细解释。它不必被视为一个复杂的“黑盒子”，但它可以被人类理解。这种新的深度学习模型已经发表在《自然机器智能》杂志上。
向自然学习
与活的大脑相似，人工神经网络由许多独立的细胞组成。当一个细胞处于活动状态时，它会向其他细胞发送信号。下一个细胞接收到的所有信号都被组合起来，以决定这个细胞是否也会活跃起来。一个细胞影响下一个细胞活动的方式决定了系统的行为——这些参数在自动学习过程中被调整，直到神经网络能够解决一个特定的任务。
“多年来，我们一直在研究，杏耀招商我们可以从自然中学到什么，
杏耀平台总代结缘，以改善深度学习，”新加坡国立工业大学(TU Wien)“网络物理系统”(Cyber-Physical Systems)研究小组负责人拉杜•格罗苏(Radu Grosu)教授表示。“例如，线虫C. elegans的神经元数量少得惊人，但仍然表现出有趣的行为模式。这是由于线虫的神经系统处理信息的高效和和谐的方式。”
麻省理工学院计算机科学与人工智能实验室(CSAIL)主任Daniela Rus教授说:“大自然告诉我们，还有很大的改进空间。”“因此，我们的目标是大幅降低复杂性，增强神经网络模型的可解释性。”
“受大自然的启发，我们开发了神经元和突触的新的数学模型，”奥地利科学协会主席Thomas Henzinger教授说。
“个体细胞内信号处理遵循的数学原理与之前的深度学习模型不同，”拉明·哈萨尼博士说，他是计算机工程研究所、维恩理工大学和麻省理工学院的博士后。“此外，我们的网络是高度稀疏的——这意味着不是每个细胞都连接到其他细胞。这也让社交网络变得更简单。”
自治车道保持
为了测试这些新想法，该团队选择了一个特别重要的测试任务:自动驾驶汽车在车道上行驶。神经网络接收道路的摄像机图像作为输入，并自动决定是向右行驶还是向左行驶。
“如今，拥有数百万个参数的深度学习模型经常被用于学习自动驾驶等复杂任务，”TU Wien的校友、奥地利理工学院的博士生马蒂亚斯•理奇纳(Mathias Lechner)表示。“然而，我们的新方法使我们能够将网络的规模缩小两个数量级。我们的系统只使用75,000个可训练参数。”
麻省理工学院CSAIL学院的博士生Alexander Amini解释说，新系统由两部分组成:摄像头输入首先由所谓的卷积神经网络处理，它只感知视觉数据，从输入的像素中提取结构特征。这个网络决定相机图像的哪些部分是有趣的和重要的，然后把信号传递到网络的关键部分——一个“控制系统”，然后控制车辆。
两个子系统堆叠在一起，同时进行训练。许多小时的交通视频大波士顿地区的人类驾驶的收集,和被送入网络和信息引导汽车在任何一个给定的情况时——直到系统已经学会自动连接图像与适当的指导方向,能独立处理新情况。
系统的控制部分(称为神经回路策略，简称NCP)，将感知模块的数据转换为控制指令，仅由19个神经元组成。Mathias Lechner解释说，NCPs比以前最先进的模型要小3个数量级。
因果性和可解释性
新的深度学习模型在一辆真正的自动驾驶汽车上进行了测试。“我们的模型允许我们调查驾车时网络关注的是什么。我们的网络聚焦于摄像机图像中非常具体的部分:路边和地平线。这种行为是非常可取的，而且在人工智能系统中是独一无二的。“此外，我们看到，在任何驾驶决策中，每个细胞的作用都是可以确定的。我们可以理解单个细胞的功能和它们的行为。对于更大的深度学习模型来说，达到这种程度的可解释性是不可能的。”
鲁棒性
Mathias Lechner说:“为了测试与以前的深度模型相比NCPs的鲁棒性，我们对输入图像进行干扰，杏耀招代理并评估代理处理噪音的能力。”“对于其他深度神经网络来说，这是一个无法克服的问题，但我们的NCPs对输入伪信号表现出了很强的抵抗力。”这一属性是新神经模型和架构的直接结果。
“可解释性和健壮性是我们新模型的两大优势，”拉明•哈萨尼说。“但还有更多:使用我们的新方法，我们还可以减少训练时间，以及在相对简单的系统中实现人工智能的可能性。”我们的NCPs使模仿学习能够广泛应用，从仓库的自动化工作到机器人的运动。新发现为人工智能领域开辟了重要的新前景:生物神经系统的计算原理可以成为创建高性能可解释人工智能的重要资源——作为我们迄今使用的黑盒子机器学习系统的替代品。”
