지름 A에서 지점 B로 가장 직접적인 경로 인 바로 가기를 가져가는 의미가있는 것은 매우 인상적인 지능 테스트처럼 들리지 않습니다. 그러나 오늘날 자연 에 나타나는 새로운 보고서에 따르면 , 연구자들이 새로운 내비게이션 인공 지능의 성능을 설명하는 경우, 복잡한 시뮬레이션 된 환경을 탐색하고 목표로 가장 짧은 경로를 찾는 시스템의 능력은 인간과 다른 생물을 위해 이전에 예약 된 수업에 참여할 수있는 가장 짧은 경로를 찾는 능력
시스템 성능의 놀라운 핵심은 탐색 방법을 배우면서 신경망이 자발적으로 "그리드 세포"와 동등한 것을 개발했다는 것입니다.
신경 과학자들에게 새로운 연구는 살아있는 뇌의 그리드 세포가 우리를 더 나은 항해자로 만드는 방법에 대한 중요한 단서를 제공하는 것 같습니다. 또한 신경망은 미래의 신경 과학 연구에 크게 기여할 수있는 방법을 보여줍니다.이 연구에 관여하지 않은 University College London의인지 신경 과학자 인 Neil Burgess는 시스템이“인간의 뇌가 어떻게 그리고 왜 작동하는지 이해하기위한 비옥 한 근거를 제공해야한다고 제안했습니다.”
.한편 AI 연구원들에게는 자동 내비게이션 시스템 개선과의 관련성이 분명합니다. 그러나 그 큰 중요성은 결국 기계의 지능을 향상시키는보다 일반적인 방법을 제안하는 데 있습니다.
British AI Company Deepmind의 Andrea Banino 연구원에 따르면 University College London의 Caswell Barry는 New Nature 의 저자였습니다. 종이,이 프로젝트는 뇌 그리드 세포의 기능에 대한 질문에서 발전했습니다. 그리드 세포는 종종 많은 동물 종에서 항법의 중요성 때문에 "뇌 GP"라고 불립니다. (Edvard Moser와 May-Britt Moser는 9 년 전 그리드 세포 발견으로 2014 노벨상을 공유했습니다.) 대략 육각형 어레이로 배열 된이 뉴런 클러스터는 배, 항공기 및 미사일에 대한 관성 안내 시스템과 같이 집합 적으로 작동합니다. Barry는“기본적으로 움직이는 방법에 대한 믿음을 업데이트하고 있습니다.
따라서 신경 과학자들은 그리드 셀에게“경로 통합”이라는 기능을 수행하는 것으로 인정했다. 예를 들어, 5 단계 앞으로 나아가고, 90도를 왼쪽으로 돌린 다음 또 다른 15 단계를 향해 나간다. " 예를 들어, 일부 연구는 여행 중 시간과 거리를 측정 할 때 그리드 세포를 암시합니다. Barry가 지적했듯이 그리드 셀이 물체와 위치에 대한 공간 기준을 제공하는 경우,“원칙적으로 원칙적으로 해당 장소 사이의 직접 경로를 계산할 수 있습니다”, 즉“벡터 기반 내비게이션”이라고합니다.
.연구원들은 이들 항법 기능에서 그리드 셀의 역할을 조사하기 위해 깊은 학습 신경망을 사용하기로 결정했습니다. 첫 번째 단계로, 그들은 작은 공간을 통과하는 시뮬레이션 에이전트를 위해 경로 통합을 수행하는 방법을 배우기 위해 신경망을 설정했습니다. Barry는“우리는 실제로 그리드 셀을 개발할 수 있도록 적절한 작업으로 인공 네트워크를 설정할 수 있는지 확인하고 싶었습니다.
Barry에 따르면, 신경 그물은 의무가 있었고,“놀랍게도 얼마나 잘 작동하는지”라고 말합니다. 네트워크에서 자발적으로 등장한“그리드 유닛”은 동물의 두뇌에서 보이는 것과 매우 유사했습니다.
그런 다음 연구팀은 신경망의 능력을 시스템에 합류하여 시뮬레이션 된 에이전트가 Mazelike 가상 환경을 통해 목표로 향하는 길을 찾도록 도와주었습니다. 예를 들어, 그리드 장치가있는 시스템은 시스템보다 훨씬 우수했습니다. 예를 들어, 시스템은 이전에 닫힌 도어가 목표에 바로 가기를 제공했는지 알 수 있으며, 그 경로가 우선적으로 사용될 것입니다. Banino에 따르면,이 knack은 신경망의 그리드 장치가 목표의 위치에 대한 지식에 따라 더 짧고 직접적인 경로를 식별하고 있기 때문에 벡터 기반 내비게이션을 수행하고 있음을 보여주었습니다.
.Banino는“이 작업에서는 그리드 셀이 바로 가기를 복용하는 데 사용된다는 원칙 증거를 제공 할 수 있다고 생각합니다. 따라서 결과는 뇌의 그리드 세포가 경로 통합 및 벡터 기반 내비게이션 모두가 가능하다는 이론을지지했다. 그는 살아있는 동물에 대한 연구에 대한 비슷한 실험 증거를 얻기가 훨씬 더 어려울 것이라고 덧붙였다.
.Barry는“흥미로운 의미는이 동일한 접근법이 다양한 종류의 신경 과학 질문에 사용될 수 있다는 것입니다. 예를 들어, 사지 제어에 관심이있는 연구자들은 뇌가 살아있는 팔을 제어하는 방식으로 로봇 팔을 제어하기 위해 신경망을 훈련시킨 다음 인공 시스템에서 실험을하여 살아있는 사람에 대한 추가 통찰력을 생성 할 수 있습니다. "잠재적으로 매우 흥미 진진한 일반 목적 신경 과학 도구입니다."
샌디에고 캘리포니아 대학교의 신경 생물학 교수 인 Stefan Leutgeb는“매우 훌륭합니다. “나는 그들이 벡터 내비게이션이 [그리드 셀의] 기능이 될 수있는 매우 좋은 사례를 만든다고 생각합니다. 이것은 오랫동안 제안되어 왔지만, 누군가가 가능한 메커니즘을 찾는 데 가까워 졌다고 생각하지 않습니다.”
.그러나 동시에 그는 다음과 같이 지적합니다.“그것은 어떤 계산 연구의 한계가 있습니다. 이것은 작동 할 수있는 방법이지만 동물에서 작동하는 방식이라는 것을 증명하지는 않습니다.”
.Johns Hopkins University의 신경 과학자 인 Francesco Savelli 종이는 비슷한 견해를 제공했습니다. 그는“당신은 어떻게 든이 [그리드] 셀을 프로그래밍하지 않고 얻는다는 것이 매우 흥미 롭습니다. … 그러나 동시에“생물학적으로 현실적인 시스템이 아니기 때문에 어떤 정보가 제공하는지 정확히 덜 명확하지 않을 수 있습니다.
."이 네트워크의 블랙 박스에 들어가서이 네트워크를 조금 더 생물학적으로 현실적으로 만들 수 없다면, 어느 시점에서 당신은 더 많은 신경 생물학적 연구에 정보를 제공 할 수있는 방법에 한계에 도달했습니다."
.반면, 기술적 인 관점에서 격려하는 것은“이러한 딥 러닝 시스템은 점점 더 많은 뇌의인지 기능과 더 유사한 작업을 해결할 수 있다는 것”이라고 Savelli는 말했다. "이것은 실제로 딥 러닝을 사용하는 이점이 높은인지 기능과 비슷한 작업으로 확장 될 수 있다는 데모입니다."
.심해 연구원들은이 더 나은 항해 네트워크를 사용하여 탐색 로봇 또는 미래의 자체 조종 드론의 기능을 개선하기 위해이 더 나은 항해 네트워크를 사용하려고한다고 상상할 수 있습니다. 그러나 Banino에 따르면 그들의 계획은 덜 집중되고 더 야심적입니다. "우리는 내비게이션이 우리의 지능의 근본적인 측면이라고 생각합니다." “개인적으로, 우리는 일반 목적 알고리즘을 만드는 것 외에 다른 응용 프로그램을 생각하지 않습니다.
"뇌는 우리가 일반 목적 알고리즘의 유일한 예입니다." "그래서 왜 그 자체로부터 소스가 아닌가?"
Jordana Cepelewicz는이 이야기에보고했습니다.
