韓國高級科學技術研究所、劍橋大學、日本國家信息和通信技術研究所和谷歌DeepMind的研究人員認為：我們對人類如何做出智能決策的理解已經到了一個關鍵時刻。他們上周說，通過模仿人類大腦在日常生活中做出決定時使用的策略，機器人的智力可以得到顯著提高。

在我們快速變化的世界中，人類和機器人都不斷需要學習和适應新環境。但不同之處在于人類能夠根據獨特的情況做出決策，而機器人仍然依靠預定的數據做出決策。

在加強機器人的物理性能方面已經取得了較大的進步，然而，控制機器人如何決策的中央控制系統仍然不如人類。特别是，他們往往依靠預先設定的指令來指導自己的行為，而缺乏人類行為的特征，即快速學習和适應環境的靈活性和能力。

神經科學在機器人大腦中的應用

将神經科學應用于機器人技術，韓國高級科學技術研究所生物與腦工程系的Sang wan Lee教授和劍橋大學的本·西摩(Ben Seymour)教授和NICT提出了一個基于人腦原理設計機器人的方案。他們認為，通過模仿人類大腦在日常生活中決策過程中使用的策略，機器人的智能可以得到顯著提高。

在不了解人類大腦如何做出決定的計算原理的情況下，将類似人類的智能導入機器人一直是一項艱巨的任務。換句話說就是：如何将大腦活動轉化為機器人“大腦”的計算機代碼。

大腦啟發機器人學習的解決方案

然而，研究人員現在認為，随着最近在計算神經科學領域的一系列發現，有足夠的代碼可以有效地将其寫入機器人。比如其中一個發現是人腦的“元控制器”。它是大腦決定如何在不同子系統之間切換以執行複雜任務的一種機制。

再比如另一個發現是人類疼痛系統，它允許他們在潛在危險的環境中保護自己。

李教授說：“複制這些機器人的大腦代碼可以極大地提高機器人的靈活性、效率和安全性。”

跨學科方法

研究小組認為，這種跨學科的方法将為神經科學和機器人提供同樣多的好處。最近，人們對焦慮、抑郁和成瘾等精神障礙背後的問題産生了濃厚的興趣，由此産生了一套複雜的理論，如果沒有某種先進的情境平台，這些理論既複雜又難以測試。

神經科學綜述-用于決策的機器人方法。圖中詳細列出了跨學科研究的關鍵領域。

Seymour教授解釋說：“我們需要一種方法來模拟人腦在現實生活中是如何與世界互動的，以檢驗這些模型中不同的異常是否以及如何引起某些疾病。”例如，如果我們能在機器人上再現焦慮行為或強迫症，那麼我們就可以預測我們需要做些什麼來治療人類。

研究小組預計，以與研究人員現在使用動物模型類似的方式，生産不同精神障礙的機器人模型，将成為未來臨床研究的關鍵技術。

研究小組還指出，人類和智能機器人在學習、行動和行為方面也可能有其他好處。在未來人類和機器人相互生活和工作的社會裡，如果我們覺得機器人和我們一樣思考的話，我們與機器人合作和共鳴的能力可能會更強。

Seymour教授說：“我們可能會認為，擁有具有比如沖動或謹慎等人類特征的機器人将是有害的，但這些特征是類人機器人不可避免的副産品。事實證明，這有助于我們理解人類作為人類的行為。”

這種基于人腦的人工智能的實現框架已經在2019年2月6日和1月16日分别在《 》和《 》發表。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!