美國東部時間5月9日，《Nature》在線發(fā)表了一篇AI研究成果論文，在神經(jīng)學(xué)和人工智能領(lǐng)域引起了轟動。這篇論文由英國DeepMind團(tuán)隊(duì)（阿法狗和阿法元的開發(fā)者）與University College London（倫敦大學(xué)學(xué)院）合著。

這篇高度抽象的論文背后，隱含著的是一個事實(shí)：AI已經(jīng)可以生成“網(wǎng)格細(xì)胞”的功能，實(shí)現(xiàn)像人類一樣自動追蹤。要知道，網(wǎng)格細(xì)胞是人類進(jìn)化億萬年才有的生命杰作。

雖然千萬年來，動物和人類可以輕松的在自然空間中避障、走路，但是其認(rèn)知和計(jì)算基礎(chǔ)一直都是不明了的。

直到Edvard Moser發(fā)現(xiàn)了網(wǎng)格細(xì)胞，一種幫助人類（或動物）認(rèn)路的細(xì)胞。也因此，他于2014年獲得了諾貝爾生理學(xué)或醫(yī)學(xué)獎。

網(wǎng)格細(xì)胞，是存在動物大腦中的一種細(xì)胞，存在于內(nèi)嗅皮層，具有顯著的空間放電特征，并呈現(xiàn)出網(wǎng)格圖樣的放電結(jié)構(gòu)。

在最新的這篇論文研究中，倫敦大學(xué)學(xué)院和DeepMind聯(lián)合開發(fā)的AI模擬系統(tǒng)能自動生成與大腦細(xì)胞活動非常相似的網(wǎng)格模式，并幫助小鼠自動找到捷徑。

更令人驚訝的是，在實(shí)驗(yàn)中，計(jì)算機(jī)模擬大鼠可以通過類網(wǎng)格細(xì)胞編碼在虛擬迷宮中很好的導(dǎo)航，甚至能找到走出迷宮的捷徑！

這一成果的發(fā)布顛覆了此前AI技術(shù)和設(shè)計(jì)邏輯。因?yàn)閷�AI而言，只有通過數(shù)據(jù)訓(xùn)練走預(yù)設(shè)的路，而自己通過判斷來決定行走的路徑，這是不可能的事。

另一方面，這一成果也預(yù)示著，在人類科學(xué)家還沒有完全研究出網(wǎng)格細(xì)胞功能的前提下，“黑匣子”AI已經(jīng)替人類逼真模擬除了網(wǎng)格細(xì)胞。

對此，Edvard Moser就評價道：

This paper came out of the blue， like a shot， and it’s very exciting． It is striking that the computer model， coming from a totally different perspective， ended up with the grid pattern we know from biology．

（這篇論文的成果讓人震驚和興奮。令人驚訝的是，給計(jì)算機(jī)一個完全不同的角度，它就可以得出，我們只有通過生物研究才能找到的網(wǎng)格模式。）

約翰霍普金斯大學(xué)神經(jīng)學(xué)家Francesco Savelli和James Knierim也在同期《Nature》上發(fā)表了題為《AI mimics brain codes for navigation》的新聞評述，贊嘆道：

It is interesting that the network， starting from very general computational assumptions that do not take into account specific biological mechanisms， found a solution to path integration that seems similar to the brain’s． That the network converged on such a solution is compelling evidencethat there is something special about grid cells’activity patterns that supports path integration．

（有趣的是，神經(jīng)網(wǎng)絡(luò)沒有考慮到特定的生物機(jī)制，而是從非常普遍的計(jì)算假設(shè)開始，卻找到了與大腦相似的路徑集成解決方案。 這是一項(xiàng)有說服力的證據(jù)，證明網(wǎng)格模式確實(shí)有助于（人類）導(dǎo)航。）

顯然，所有人都驚嘆于AI的強(qiáng)大，驚嘆于其可以讓簡單的數(shù)學(xué)公式變成復(fù)雜生物模型的“才華”。