近日，發(fā)表在《美國國家科學(xué)院院刊（PNAS）》上的一項(xiàng)新研究表明，蜜蜂具有自主學(xué)習(xí)自然環(huán)境中常見復(fù)雜特性統(tǒng)計(jì)信息的能力。此前，人們認(rèn)為這種視覺能力只存在于人類和更高級別的物種中，而在擁有微型大腦的蜜蜂身上的發(fā)現(xiàn)將激發(fā)人工智能的進(jìn)一步發(fā)展。
這項(xiàng)研究還報(bào)告說，蜜蜂和人類使用了根本不同的計(jì)算方法來進(jìn)行學(xué)習(xí)，這可能是人類發(fā)展出卓越學(xué)習(xí)能力的關(guān)鍵原因之一。
由法國圖盧茲大學(xué)的Aurore Avargues-Weber博士、匈牙利中歐大學(xué)的Jozsef Fiser博士和澳大利亞RMIT大學(xué)的Adrian Dyer博士領(lǐng)導(dǎo)的國際研究團(tuán)隊(duì)首次使用相同的測試來比較人類與蜜蜂的自主學(xué)習(xí)能力。他們在一個(gè)不相關(guān)的簡單分類任務(wù)中，將人類和蜜蜂暴露在由一組抽象形狀組成的相同多元素場景中。
在接下來的測試階段，人與蜜蜂都必須在每個(gè)實(shí)驗(yàn)中選擇兩個(gè)新的多元素場景來進(jìn)行大量測試。這些場景是為了測量研究對象在沒有經(jīng)過任何訓(xùn)練的情況下，在視覺場景中對各種統(tǒng)計(jì)特性元素是否會自發(fā)變得敏感。
Avargues-Weber說：“通過分析大量圖像經(jīng)驗(yàn)的統(tǒng)計(jì)特性來自主學(xué)習(xí)，以確定它們的底層結(jié)構(gòu)，這種策略已經(jīng)在人類和一些更高等級的物種中得到了證明。它也是深度學(xué)習(xí)背后的概念，而深度學(xué)習(xí)推動了人工智能領(lǐng)域最近的巨大進(jìn)步。我們的結(jié)果表明，這也是蜜蜂使用的策略，表明了對視覺環(huán)境統(tǒng)計(jì)信息自主學(xué)習(xí)的普遍性和有效性。”
Dyer博士補(bǔ)充道：“人們常常對蜜蜂出色的導(dǎo)航和識別能力感到驚訝，現(xiàn)在我們知道它們使用一種簡化版的統(tǒng)計(jì)學(xué)習(xí)來完成復(fù)雜的任務(wù)，這是人類解決視覺問題的基礎(chǔ)，也是人工智能深度學(xué)習(xí)的基礎(chǔ)。”
Fiser博士說：“我們非常驚訝地發(fā)現(xiàn)，與人類相似，蜜蜂對其新視覺體驗(yàn)的統(tǒng)計(jì)數(shù)據(jù)形成了一種復(fù)雜的內(nèi)部表征，它們可以在隨后的測試中使用這些信息。我們更驚訝地發(fā)現(xiàn)，蜜蜂和人類通過不同的計(jì)算策略實(shí)現(xiàn)了這一壯舉。蜜蜂永遠(yuǎn)不會自動對視覺元素的可預(yù)測性敏感，也就是說，一個(gè)元素的出現(xiàn)對另一個(gè)元素的出現(xiàn)有多大的預(yù)測力。相反，人類從嬰兒早期就開始使用這些信息。這一點(diǎn)之所以存在，是因?yàn)樾畔⑵沃g的可預(yù)測性長期以來被認(rèn)為是有效獲取高度復(fù)雜知識的關(guān)鍵計(jì)算要求。因此，我們的研究既證明了一個(gè)人用簡單的方法和小小的大腦能解決多困難的任務(wù)，同時(shí)也證明了什么是達(dá)到下一個(gè)學(xué)習(xí)能力水平的關(guān)鍵。”
公眾號
小程序
微信咨詢
