雷锋网 ai 科技评论按：继神经科学家成为机器学习领域会议的邀请演讲的常客以后，deepmind ai
博客今天也发出了一篇文章讲述他们对人工智能研究和神经科学研究协作的看法。他们觉得两个领域的协作不仅很有好处，而且现在已经变得紧迫。雷锋网 ai
科技评论编译如下。
心理学和神经科学在
ai 的发展历程中扮演过重要的角色。donald hebb、warren mcculloch、marvin minsky、geoff
hinton
这些奠基人一开始的动力都是想要弄清大脑是如何工作的。然而实际上，从上个世纪晚期以来，在神经网络发展过程中起到重要作用的研究大多数都不是在数学和物理实验室中完成的，而要归功于心理学和神经生理学学科的研究者们。
在充满了挑战的现在，神经科学和人工智能领域携手研究的需求前所未有地强烈。
deepmind的研究人员们认为，即便这两个领域都在飞速发展，研究者也应当抱有这种远见。他们急切地希望神经科学的研究者们可以和人工智能的研究者们一起找到一种共同的语言，可以让知识在两个领域之间自由地流动，从而推动两个领域内研究的长期共同进步。
deepmind的研究人员们觉得
ai 研究中一个重要的因素是从神经科学中获得灵感，有两个原因。首先，神经科学可以帮助验证已有的 ai
技术。简单来说，如果研究者们发现的某些算法能够模仿大脑中的某个功能，这很有可能意味着这些研究是想着正确的方向去的。第二条原因是，神经科学可以在构建人造大脑时为新的算法类型和架构提供丰富的启发。以往的
ai
实现方案几乎都是基于逻辑的方法和理论性的数学模型，deepmind的研究人员们认为神经科学可以发现多种可能对认知功能起到关键作用的生物计算方式，这样就可以对现有的方法和模型做出补充。
类似这样的成功的验证成果让deepmind的研究人员们有了很多信心，神经科学已然成为了他们的 ai 研究思路的重要来源。但是如果着眼未来，在他们需要帮忙解决高效学习、现实世界理解、想象等未解问题的时候，神经科学将会变得不可或缺。
另一件现代
研究中的重要挑战是迁移学习，为了能够高效地应对新的状况，人造智能体们需要这种在现有知识基础上做出合理决定的能力。这方面人类已经很擅长了，随便一个会开车、会用电脑、能主持会议的人在面对不熟悉的汽车、不熟悉的操作系统、不熟悉的社交状况的时候都能够对付得来。
不过deepmind的研究人员们认为知识的交换不应该是单向的，神经科学也可以从
ai 研究中获益。比如强化学习这一现代 ai
这种来回交流对两个领域借助对方的见解不停发展至关重要，从而构建了一个正向的循环，其中
研究者运用神经科学的想法构建新的技术，神经科学家可以从人造智能体的行为中更好地学习如何阐释生物大脑。确实，这样的循环能够得到加速，近期的技术发展功不可没，比如光遗传学就可以让我们精确地测量和控制大脑活动，从中获取的大量数据还可以用机器学习领域的工具进行分析。
所以deepmind的研究人员们认为把智慧转化为算法，然后把算法和人类大脑相比较，已经成为当前至关重要的事情。他们希望
ai 可以成为创造新知识、推进科技探索前沿的工具，那么这样的做法不仅可以支持对 ai
的研究，更可以让大家更加理解自己的大脑中都发生了什么。这有可能照亮神经科学中最难解的神秘问题，比如创造力和梦的本质，甚至有一天可以解释意识是怎么回事。面对着这么多难题，让神经科学和人工智能联手向前已经变得前所未有地紧迫。
本文作者：杨晓凡