泛智能時代下，人工智能已經(jīng)嵌入人們的生活的方方面面，從搜索引擎到自動駕駛汽車，打開的新聞是人工智能為做的算法推薦，網(wǎng)上購物，首頁上顯示的是人工智能為用戶推薦的最有可能感興趣、最有可能購買的商品，這些生活變化背后的技術進步，一點都不比機器能在棋盤上戰(zhàn)勝人類冠軍來得更小。
這與近年來巨大的計算能力有關，但同時，人工智能研究的最新結果表明，更簡單、更小的神經(jīng)網(wǎng)絡可以比以前更好、更有效、更可靠地解決某些任務。比如，讓人工智能模仿生物模型，事實上這也一直是科學家研究的重要方向之一。
近日，來自麻省理工學院CSAIL、tuwien（維也納）和IST奧地利的一個國際研究小組就開發(fā)了一種新的人工智能系統(tǒng)，它基于微小動物的大腦，如絲蟲。這種新型的人工智能系統(tǒng)只需19個人工神經(jīng)元就能控制車輛。
類似于大腦，人工神經(jīng)網(wǎng)絡由許多單個神經(jīng)元組成。當一個神經(jīng)元處于活動狀態(tài)時，它將向其他神經(jīng)元發(fā)送信號。下一個神經(jīng)元會收集所有信號，組合起來并決定其自身是否激活。一個神經(jīng)元影響下一個神經(jīng)元的方式?jīng)Q定了整個系統(tǒng)的下一次行為。這些參數(shù)會在自動學習過程中不斷調整，直到神經(jīng)網(wǎng)絡可以解決特定任務為止。
與此前的深度學習模型相比，新架構的神經(jīng)元和數(shù)學模型是全新的，單個神經(jīng)元的信號處理方式遵循了完全不同的數(shù)學原理。整個網(wǎng)絡非常稀疏，因為并非每個神經(jīng)元之間都互相連接在一起。這讓模型變得更簡單。
新系統(tǒng)由卷積神經(jīng)網(wǎng)絡和控制系統(tǒng)構成。其中，控制系統(tǒng)部分，又被稱為神經(jīng)回路策略（NCP），可以將感知模塊中的數(shù)據(jù)轉換為轉向命令，僅包含19 個神經(jīng)元，比現(xiàn)有最好模型要小好幾個數(shù)量級。
新的深度學習模型在一輛真正的自主汽車上進行了測試。研究人員可以輕易地找出，在駕駛時，神經(jīng)網(wǎng)絡的注意力放在哪里：在這種情況下，是路肩和地平線。
研究小組表示，與以前的深度學習模型相比，該系統(tǒng)具有決定性的優(yōu)勢：它能更好地處理噪聲輸入，而且由于其簡單，其操作模式可以詳細解釋。它不必被視為一個復雜的“黑匣子”，因為它可以被人類理解。這種新的深度學習模型已經(jīng)發(fā)表在《自然機器智能》雜志上。
