近日，發(fā)表在《美國(guó)國(guó)家科學(xué)院院刊（PNAS）》上的一項(xiàng)新研究表明，蜜蜂具有自主學(xué)習(xí)自然環(huán)境中常見(jiàn)復(fù)雜特性統(tǒng)計(jì)信息的能力。此前，人們認(rèn)為這種視覺(jué)能力只存在于人類(lèi)和更高級(jí)別的物種中，而在擁有微型大腦的蜜蜂身上的發(fā)現(xiàn)將激發(fā)人工智能的進(jìn)一步發(fā)展。
這項(xiàng)研究還報(bào)告說(shuō)，蜜蜂和人類(lèi)使用了根本不同的計(jì)算方法來(lái)進(jìn)行學(xué)習(xí)，這可能是人類(lèi)發(fā)展出卓越學(xué)習(xí)能力的關(guān)鍵原因之一。
由法國(guó)圖盧茲大學(xué)的Aurore Avargues-Weber博士、匈牙利中歐大學(xué)的Jozsef Fiser博士和澳大利亞RMIT大學(xué)的Adrian Dyer博士領(lǐng)導(dǎo)的國(guó)際研究團(tuán)隊(duì)首次使用相同的測(cè)試來(lái)比較人類(lèi)與蜜蜂的自主學(xué)習(xí)能力。他們?cè)谝粋€(gè)不相關(guān)的簡(jiǎn)單分類(lèi)任務(wù)中，將人類(lèi)和蜜蜂暴露在由一組抽象形狀組成的相同多元素場(chǎng)景中。
在接下來(lái)的測(cè)試階段，人與蜜蜂都必須在每個(gè)實(shí)驗(yàn)中選擇兩個(gè)新的多元素場(chǎng)景來(lái)進(jìn)行大量測(cè)試。這些場(chǎng)景是為了測(cè)量研究對(duì)象在沒(méi)有經(jīng)過(guò)任何訓(xùn)練的情況下，在視覺(jué)場(chǎng)景中對(duì)各種統(tǒng)計(jì)特性元素是否會(huì)自發(fā)變得敏感。
Avargues-Weber說(shuō)：“通過(guò)分析大量圖像經(jīng)驗(yàn)的統(tǒng)計(jì)特性來(lái)自主學(xué)習(xí)，以確定它們的底層結(jié)構(gòu)，這種策略已經(jīng)在人類(lèi)和一些更高等級(jí)的物種中得到了證明。它也是深度學(xué)習(xí)背后的概念，而深度學(xué)習(xí)推動(dòng)了人工智能領(lǐng)域最近的巨大進(jìn)步。我們的結(jié)果表明，這也是蜜蜂使用的策略，表明了對(duì)視覺(jué)環(huán)境統(tǒng)計(jì)信息自主學(xué)習(xí)的普遍性和有效性。”
Dyer博士補(bǔ)充道：“人們常常對(duì)蜜蜂出色的導(dǎo)航和識(shí)別能力感到驚訝，現(xiàn)在我們知道它們使用一種簡(jiǎn)化版的統(tǒng)計(jì)學(xué)習(xí)來(lái)完成復(fù)雜的任務(wù)，這是人類(lèi)解決視覺(jué)問(wèn)題的基礎(chǔ)，也是人工智能深度學(xué)習(xí)的基礎(chǔ)。”
Fiser博士說(shuō)：“我們非常驚訝地發(fā)現(xiàn)，與人類(lèi)相似，蜜蜂對(duì)其新視覺(jué)體驗(yàn)的統(tǒng)計(jì)數(shù)據(jù)形成了一種復(fù)雜的內(nèi)部表征，它們可以在隨后的測(cè)試中使用這些信息。我們更驚訝地發(fā)現(xiàn)，蜜蜂和人類(lèi)通過(guò)不同的計(jì)算策略實(shí)現(xiàn)了這一壯舉。蜜蜂永遠(yuǎn)不會(huì)自動(dòng)對(duì)視覺(jué)元素的可預(yù)測(cè)性敏感，也就是說(shuō)，一個(gè)元素的出現(xiàn)對(duì)另一個(gè)元素的出現(xiàn)有多大的預(yù)測(cè)力。相反，人類(lèi)從嬰兒早期就開(kāi)始使用這些信息。這一點(diǎn)之所以存在，是因?yàn)樾畔⑵沃g的可預(yù)測(cè)性長(zhǎng)期以來(lái)被認(rèn)為是有效獲取高度復(fù)雜知識(shí)的關(guān)鍵計(jì)算要求。因此，我們的研究既證明了一個(gè)人用簡(jiǎn)單的方法和小小的大腦能解決多困難的任務(wù)，同時(shí)也證明了什么是達(dá)到下一個(gè)學(xué)習(xí)能力水平的關(guān)鍵。”
公眾號(hào)
小程序
微信咨詢
