在动物大脑上建模人工神经网络 (ANN)

冷泉港实验室 (CSHL) 神经科学家 Anthony Zador 证明，进化和动物大脑可以作为机器学习的灵感。它有助于帮助人工智能解决许多不同的问题。 

CSHL 神经科学家 Anthony Zador 表示，通过研究动物大脑可以大大提高人工智能 (AI)。 通过这种方法，神经科学家和人工智能领域的工作人员可以找到一种解决人工智能最紧迫问题的新方法。 

安东尼·扎多尔 (Anthony Zador) 医学博士、哲学博士将其职业生涯的大部分时间致力于解释活体大脑内的复杂神经网络。他一直深入到单个神经元。在他职业生涯的初期，他专注于不同的事情。他研究了人工神经网络（ANN）。人工神经网络是计算系统，是我们人工智能领域大部分开发的基础。它们是根据动物和人类大脑中的网络建模的。到目前为止，这个概念就到此为止了。 

Zador 最近发表的一篇观点文章发表在 自然传播。 在那篇文章中，扎多尔详细介绍了新的和改进的学习算法如何帮助人工智能系统发展到远远超越人类的程度。 这种情况发生在各种任务、问题以及国际象棋和扑克等游戏中。 尽管其中一些计算机能够在各种复杂问题上表现出色，但它们经常对我们人类认为简单的事情感到困惑。 

如果这一领域的工作人员能够解决这个问题，机器人就可以达到发展的阶段，它们可以学会做极其自然和有机的事情，例如跟踪猎物或筑巢。 他们甚至可以做一些像洗碗这样的事情，这对机器人来说是极其困难的。 

“我们觉得困难的事情，比如抽象思维或下棋，实际上对机器来说并不困难。 我们觉得容易的事情，比如与现实世界的互动，其实是困难的，”扎多尔解释道。 “我们之所以认为这很容易，是因为我们经过了 XNUMX 亿年的进化，已经连接了我们的电路，因此我们可以毫不费力地做到这一点。”

扎多尔认为，如果我们希望机器人实现快速学习，这将改变该领域的一切，我们可能不想只关注完善的通用学习算法。 科学家和其他人应该做的是寻找通过自然和进化赋予我们的生物神经网络。 这些可以用作快速、轻松学习特定类型任务和对生存很重要的任务的基础。 

扎多尔谈到，如果我们只关注遗传学、神经网络和遗传倾向，我们可以从生活在自家后院的松鼠身上学到什么。

“松鼠在出生后几周内就能从一棵树跳到另一棵树，但我们没有让老鼠学会同样的事情。 为什么不？” 扎多尔说道。 “这是因为一个人的基因注定会成为树栖生物。”

扎多尔认为，可能来自遗传倾向的一件事是动物体内​​的先天回路。 它可以帮助该动物并指导其早期学习。 将其附加到人工智能世界的问题之一是，人工智能专家所追求的机器学习中使用的网络比自然界中的网络更加通用。 

如果我们能够在人工神经网络的开发过程中达到可以根据我们在自然界中看到的事物进行建模的程度，那么机器人就可以开始执行曾经极其困难的任务。