大資料文摘出品
作者：周素雲
還記得從什麼時候開始，你學會了看圖識數，什麼時候開始明白1和2的含義麼？
也許我們都記不清了，因為這種直覺的數字感是卻是人類和動物與生俱來的優勢。 與計算機不同的是，當我看到2隻小豬或者2個小鴨子和數字元号2在一起時候，我們可能不需要計算就會知道，它們都有一個共同點——“2”這個抽象概念。
即便現在的計算機已經可以在一秒内完成數百萬次的計算，機器學習已經可以識别小貓小狗，讓人工智能網絡像小孩一樣學習辨識數字仍是一件新穎的研究。
上周在Science Advances發表的一篇文章表明， 讓神經網絡重複嬰兒、猴子和烏鴉等生物的認知技能，在沒有經過任何訓練的情況下， 它突然學會了分别更大和更小的數量差異，也就是我們剛剛說的數字感。 很多專家認為數字感是我們計算和運用複雜數學能力的重要前提。 但是關于這種能力如何在年幼的大腦中自發産生的，我們還不得而知。
看圖識數的神經網絡
近年來，受生物學啟發的深度神經網絡為視覺系統的運作提出很多有價值的啟發。生成神經網絡，即一類深層網絡通過學習感官輸入來建構内部模型，已被證明具有數字感，但無法解釋數字神經元的出現。
為了研究它的發展，來自德國蒂賓根大學的生物學研究所Nieder教授試圖建立一個深度學習網絡，來模拟我們大腦中視覺系統的運作，看看在沒有訓練軟體的情況下是否會出現數量特征。
研究人員首先在120萬個圖像的标準資料集上訓練網絡，這些圖像分為1,000個不同的類别。最終，像之前的訓練系統一樣它可以辨識動物和昆蟲的圖檔，不僅可以辨識狗和蜘蛛還可以辨識其特定的品種。
接下來，研究人員向神經網絡展示了隻包含黑色背景上的白點圖案，以表示數字1到30，在沒有任何關于數字的指導或被告知尋找數量上的差異，神經網絡做到了将圖像根據點數分類。
“這項研究很酷的地方在于，當你訓練視覺系統的神經網絡來完成物體識别等任務時，它其實還可以自學一些其他東西，如數字。”麻省理工學院大腦和認知科學系教授James DiCarlo說。
Nieder的團隊使用模拟人類大腦的深度學習系統，其中“神經元”既接收來自系統中高等神經元的輸入，又将該資訊發送到線路上，某些神經元基于其特征或模式被刺激而“反射”。
使用這個模型，Nieder将網絡神經元的激活與猴子大腦中的神經元進行了比較，這些神經元顯示出相同的點圖案。
人工神經元的行為與動物大腦的視覺處理區域中的神經元完全相同，具有對特定數字的偏好和調整。例如，特地數字6神經元會在出現6個點時候表現出最高的激活水準，數字5和圖像7的比對激活水準降低一點，數字4和7點圖像更低，當刺激物遠離其目标數量時，神經元的活動不斷下降。
神經網絡也會犯和人類大腦相似的錯誤， 它更難以區分較近的數字，如4和5，而不是相距較遠的數字，如4和9。它也很難區分較大的數字，如20和25。
人工智能距人類又近了一步
“這對我們來說非常令人興奮，因為這些正是我們在大腦真實神經元中的反應類型，”Nieder說。“這可能可以解釋我們的大腦，至少我們的視覺系統，可以自發地表示場景中的物體數量。”
研究數學思維的巴黎笛卡爾大學的研究科學家VéroniqueIzard在一封電子郵件中寫道，這項研究表明了數字感不是從進化上選擇的，而是作為識别物體的副産品自發地出現。
Nieder認為這種類型的神經網絡提供了更好的人腦模型。他說：“我們現在可以對大腦中的事情如何發生，以及從人工智能網絡到真實網絡的來回做出假設。我認為這些網絡對基礎科學來說是一大優勢。”
實作表明我們的學習原則還是非常基礎的，人類和動物所展示的一些高層次的思考可能與我們的視覺體驗密切相關。 我們可以沿着這個方向，将學習訓練應用于其他任務，去實作一些更具人類特質的人工智能。
随着我們不斷發現更多關于建構人工智能學習的技術，并找到了解生物大腦的新方法，我們将會解開了更多智能、适應性行為的奧秘。
雖然還有很長的路要走，很多其他方面去探索，但很清楚的是，人類之是以有這麼強大的适應能力與我們看審視世界的能力和總結經驗的能力密不可分。毫無疑問，這也将是任何人工智能系統的必要組成部分，這樣才有可能像人類一樣完成多樣性和複雜性的任務。
相關連結：
https://www.sciencealert.com/an-ai-has-spontaneously-developed-a-human-like-sense-for-numbers
https://www.scientificamerican.com/article/an-ai-system-spontaneously-develops-baby-like-ability-to-gauge-big-and-small/
實習/全職編輯記者招聘ing
加入我們，親身體驗一家專業科技媒體采寫的每個細節，在最有前景的行業，和一群遍布全球最優秀的人一起成長。坐标北京·清華東門，在大資料文摘首頁對話頁回複“招聘”了解詳情。履歷請直接發送至[email protected]
點「在看」的人都變好看了哦