在衛(wèi)星定位、車聯(lián)網(wǎng)等技術(shù)提供的導(dǎo)航信息的護(hù)航下，無人駕駛離我們越來越近。但如果有一天，這些外部的信息支撐突然中斷了，無人車、機(jī)器人能否在未知環(huán)境中“自力更生”？

近日，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院教授斯白露團(tuán)隊建立了一套貝葉斯吸引子網(wǎng)絡(luò)模型，用于機(jī)器人的空間認(rèn)知。該模型模擬哺乳動物大腦的空間編碼細(xì)胞的工作原理，實現(xiàn)了無人車、機(jī)器人等在未知環(huán)境中的自主定位和地圖學(xué)習(xí)，研究證明可以將哺乳動物空間認(rèn)知的思維方法應(yīng)用于機(jī)器人導(dǎo)航。相關(guān)論文已發(fā)表于《神經(jīng)網(wǎng)絡(luò)》。

三種細(xì)胞帶來的靈感

機(jī)器人導(dǎo)航是人工智能領(lǐng)域的經(jīng)典問題。20世紀(jì)80年代以來，人工智能學(xué)家們設(shè)計了一系列算法，希望賦予無人車、機(jī)器人空間認(rèn)知能力，讓無人車、機(jī)器人能在陌生環(huán)境中認(rèn)路，確定自己的方位。

斯白露介紹，一般情況下，面對陌生環(huán)境，無人車、機(jī)器人需要利用激光雷達(dá)等傳感器構(gòu)建周邊環(huán)境地圖。如果無人車、機(jī)器人需要進(jìn)一步完成送快遞等任務(wù)，就可以根據(jù)已經(jīng)構(gòu)建的地圖規(guī)劃出一條從起點到終點的路徑，然后再沿著規(guī)劃的軌跡運(yùn)動，并不斷地重新定位、規(guī)劃運(yùn)動路線、實時檢測避障，以保證順利到達(dá)終點。

但是，這些看似合理的方法的效率遠(yuǎn)比不上小鼠等哺乳動物的隨機(jī)應(yīng)變。

“無人機(jī)、機(jī)器人導(dǎo)航需要大量昂貴的傳感器，行進(jìn)過程中還需要龐大的計算資源，即便如此依然無法保證能夠應(yīng)付動態(tài)環(huán)境中的突發(fā)事件。但是，小鼠僅靠幾?；ㄉ拙涂梢陨宪f下跳，逃過天敵們的圍追堵截。”斯白露調(diào)侃道。

怎樣讓無人車、機(jī)器人像小鼠一樣適應(yīng)動態(tài)環(huán)境呢？

過去半個多世紀(jì)，腦科學(xué)領(lǐng)域的研究人員發(fā)現(xiàn)哺乳動物的導(dǎo)航是由多種編碼空間信息的神經(jīng)細(xì)胞協(xié)作完成的。

研究人員先是在哺乳動物大腦的海馬體中發(fā)現(xiàn)了一組能編碼位置的“位置細(xì)胞”，該細(xì)胞可以記憶窩和食物源等重要位置。而后，又在海馬體的附近發(fā)現(xiàn)了一套負(fù)責(zé)空間認(rèn)知的神經(jīng)回路——內(nèi)嗅皮層，其中的“柵格細(xì)胞”能夠整合另一組具有表征運(yùn)動方向功能的“頭朝向細(xì)胞”，來編碼自己訪問過的位置、方向和距離。

小鼠大腦中的柵格細(xì)胞、位置細(xì)胞和頭朝向細(xì)胞在動物導(dǎo)航中發(fā)揮關(guān)鍵作用，這些神經(jīng)細(xì)胞組成的神經(jīng)網(wǎng)絡(luò)可以解決動物導(dǎo)航問題。上述科研成果還獲得了2014年諾貝爾生理學(xué)或醫(yī)學(xué)獎。

“無人車、機(jī)器人導(dǎo)航能否借鑒生物學(xué)的方法呢？”這一靈感涌上斯白露的心頭。

像腦一樣整合導(dǎo)航信息

確定研究方向后，斯白露課題組開始嘗試用吸引子網(wǎng)絡(luò)編碼空間信息。這些吸引子網(wǎng)絡(luò)中的節(jié)點通過遞歸連接相互傳遞信息。由于遞歸數(shù)量過多，導(dǎo)致網(wǎng)絡(luò)的每一次更新都需要耗費很長時間，無人車、機(jī)器人的實時感知信息處理速度也隨之下降?！拔覀兿肓撕芏喾椒▋?yōu)化神經(jīng)網(wǎng)絡(luò)，但都沒有效果。”文章第一作者、復(fù)旦大學(xué)類腦智能科學(xué)與技術(shù)研究院博士后曾太平告訴《中國科學(xué)報》。

研究瓶頸因為一個偶然發(fā)現(xiàn)被打破。當(dāng)時，課題組注意到，倫敦大學(xué)學(xué)院的Kate Jeffery實驗室發(fā)現(xiàn)小鼠頭朝向細(xì)胞能夠利用貝葉斯推理的方式，整合導(dǎo)航過程中的多種感知信息。受此啟發(fā)，斯白露課題組希望利用貝葉斯機(jī)制來設(shè)計吸引子網(wǎng)絡(luò)，以編碼方向和位置信息。

課題組模擬真實神經(jīng)細(xì)胞的放電狀態(tài)，以概率的形式表示機(jī)器人的位置和方向。曾太平解釋說，運(yùn)動過程中，機(jī)器人獲得新的感知信息后，可以通過貝葉斯推理整合到導(dǎo)航信息中，而后不斷根據(jù)新信息的可靠程度來更新、調(diào)整位置和方向的表征，形成后驗概率，完成自主定位。

“大腦就是這樣工作的，我們在算法上模擬了腦神經(jīng)網(wǎng)絡(luò)，引入了理解型學(xué)習(xí)的核心機(jī)制——認(rèn)知地圖?！痹秸f，“借鑒和模擬記憶神經(jīng)環(huán)路的計算原理，無人車、機(jī)器人可以實現(xiàn)感知和記憶的融合，完成新舊信息的整合，提高人工智能形成抽象概念的能力?！?/p>

斯白露認(rèn)為，這一動態(tài)機(jī)制能夠整合多種感知信息，使無人車、機(jī)器人實時構(gòu)建一套認(rèn)知地圖、計算自身方位和運(yùn)動的最優(yōu)概率成為可能，并最終實現(xiàn)在外界定位信息缺失的情況下的自主導(dǎo)航。

類腦智能或成人工智能的另一選擇

目前的人工智能研究，以深度學(xué)習(xí)為主，以計算能力為動力，從大數(shù)據(jù)中進(jìn)行學(xué)習(xí)，完成語音識別、圖像理解、文字識別等任務(wù)。

在斯白露看來，類腦智能為人工智能研究提供了新的可能。類腦智能就是要根據(jù)大腦運(yùn)行的內(nèi)在神經(jīng)機(jī)制，來啟發(fā)新的人工智能算法和系統(tǒng)。“類腦智能是推動人工智能突破現(xiàn)階段許多瓶頸的可行途徑。”斯白露說。

多倫多大學(xué)計算機(jī)科學(xué)系教授杰弗里·辛頓也曾表示，要解決人工智能的問題，需要在計算機(jī)科學(xué)和生物學(xué)之間架設(shè)橋梁。

目前，類腦科學(xué)的研究主要集中在理論層面，結(jié)合實際并落地的應(yīng)用較少。

中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心副主任王佐仁認(rèn)為這項工作很有意義。王佐仁解釋說，首先，該研究實現(xiàn)了無人車、機(jī)器人領(lǐng)域方位與運(yùn)動信息的融合，降低了計算復(fù)雜度，增強(qiáng)了模型的可解釋性。其次，在外界導(dǎo)航信息缺失的情況下，實現(xiàn)了一邊精確定位導(dǎo)航，一邊自主構(gòu)建地圖。另外，使用單相機(jī)就可以實現(xiàn)對角速度與平移速度的測量和實時定位，無需實時定位和全方位地圖測繪。

王佐仁認(rèn)為，高級人工智能的典型特征是能夠把感知到的信息抽象成概念，并組織成結(jié)構(gòu)化的認(rèn)知地圖，實現(xiàn)理解型學(xué)習(xí)、抽象思維和推理。認(rèn)知地圖是邏輯推理、想象和創(chuàng)造的基礎(chǔ)，也是類腦智能達(dá)到通用智能必須具備的能力。

“目前，我們已經(jīng)掌握了一些知識和方法，但大腦是如何進(jìn)行高效編碼的依然需要繼續(xù)深入研究?！彼拱茁侗硎荆酉聛恚芯咳藛T還需要在理論和算法層面弄清楚大腦是如何將多種感知信息融合處理，并在海馬和相關(guān)腦區(qū)形成抽象表達(dá)的，以啟迪后續(xù)的類腦研究。