草根影响新视野 钟艺 编译
在我们看来，学会骑自行车并不是一件简单的事情，它需要反复的练习才能掌握。骑车时，身体的配合和大脑的反应是骑自行车必不可少的关键元素，两者的协同作用应该是一个很复杂的过程。但近日科学家发现，其实骑自行车并不需要用用太多脑，准确来说，两个在神经网络上的神经元就可以保证我们顺畅的完成骑车的全套动作。
苏黎世神经信息学研究所的研究员马修．库克（Matthew Cook）在自己发表的报告中表示，构建用于解决特定问题的简单“神经网络”可以帮助研究人员对大脑中的思维过程进行建模，服务于更智能的人工智能开发。这里提到的“神经网络”不涉及任何实际的神经元串联，它们是计算机上的仿真节点或模型神经元的集群，它们可以通过加强和削弱彼此的连接而产生交互。这些网络即使没有任何预先编入的信息也能是实现处理、理解和解决复杂问题。
当库克创建了这个精简的双节点网络时，他发现，与人类操作或者复杂的专用算法相比，这套双节点网络在小型物理仿真器中显得更加“有天赋”。
研究人员利用人、算法、神经网络三种方式控制机器人完成骑自行车的动作，然后观察自行车的速度、方向、以为偏移程度。
首先，是利用算法。算法的属性决定了它需要通过研究每一个可能的举措所带来的每一个可能的结果，在“假设”的条件下一步一步地选择一步“移动”。但出人意料的是，看似很保险的方法在实际应用中，其实也有较高偏差率。库克在文中举例：当被告知要保持直行时，算法控制下的机器人会专注于“直”这个概念，若自行车发生偏移，算法会转而纠正方向的问题，而不会再移动前进。除此以外，算法在现实世界中的应用也较为困难，因为很多条件的限制，它并不能很好地预测未来并做出正确的判断。
下一个，人来进行操控。虽然人在现实生活中会骑自行车人可以很简单的执行这个骑行这个动作，但是要控制其他物体来完成，由于没有自身身体的感知，这个任务比预期难很多，也更复杂。库克写道：“我甚至一开始以为仿真器中一定有一个bug，因为向右转时，我发现我必须把手柄推到左边。”虽然最后库克和其他的研究人员都学会了如何操作，但是学习和摸索的时间太长。
相比于上述两种方式，神经网络就体现出了绝对的优势。神经网络中的第一个神经元可以感知自行车的周围环境以及指示自行车的位置。同时，这个神经元也决定了自行车如何倾斜和向哪个方向倾斜。然后，第一个神经元将这些信息发送给网络中的第二个神经元，由第二个神经元直接控制自行车。这个看似很简单的双神经元系统能很快完成任务，并计算出了让自行车在被告知要去的地方时所需要的参数。
在科学界，人们一直很好奇神经世界的奥秘——我们的大脑是如何应对外部世界的变化的。库克的这一项发现可以帮助研究人员对大脑的思维过程进行仿真，更好的服务于人工智能的开发和发展。
延伸阅读：
Reference :
Polygon recent comments