2009年创业好项目动物凭借本能进行的探索性活动不是随机的。这些有目的的行动使小鼠能够有效地掌握周边的地图。

　　近期，神经科学家们揭开了探索性行动的神秘面纱。探索性活动指的是那些能使动物更快地熟悉他们的周围环境的行动。这些发现或许可以帮助人工智能以更小的数据库进行更快的学习，从而促进人工智能行业的进一步发展。

　　Sainsbury Wellcome中心和UCL的Gatsby计算神经科学部门的研究人员发现，动物凭借本能进行的探索性活动不是随机的。这些有目的的行动使小鼠能够有效地掌握周边的地图。今年发表在《神经元》上的这项研究详细描述了神经科学家是如何发现这一结论的。结果显示，动物进行的特定探索性行动，如快速向物体飞奔等，对于它们学习与掌握周边环境的位置信息起着至关重要的作用。

　　塞恩斯伯里惠康中心的组长、该论文的通讯作者Tiago Branco教授表示：“在心理学中，有很多关于执行特定的行动能够促进学习的理论。在这项研究中，我们测试了动物是否能仅仅通过观察环境中的障碍物来对环境产生足够了解。同时，我们也研究了动物那些有目的的、感官引导的行动是否有助于建立它们在认知世界的地图。”

　　在以前的工作中，SWC的科学家们观察到动物学会绕过障碍物的程度与它们跑向该物体的次数之间存在关联。在这项研究中，SWC的博士生和论文第一作者Philip Shamash进行了各种不同的实验，以测试阻止动物进行探索性奔跑的影响。通过在动物运动皮层发现的一种名为channelrhodopsin的光激活蛋白，Philip能够使用光遗传学工具来阻止动物向障碍物发起探索性奔跑。

　　研究小组发现，即使小鼠花了很多时间观察和用鼻子闻障碍物，如果阻止它们向障碍物跑去，它们就不会有进一步的学习行为了。这表明，本能的探索行动能够帮助动物们学习它们的环境地图。

　　为了将从动物大脑中学到的现象应用于算法中，该团队与南华大学安德鲁-萨克斯实验室的博士生塞巴斯蒂安·李合作，进一步探索人们为人工智能开发的强化学习模型，并观察哪一种模型能最接近地重现小鼠的行为。强化学习模型主要有两类：无模型和基于模型。

　　研究小组发现，在某些条件下，小鼠以无模型的方式行动，但在其他条件下，它们的脑海中似乎有一个基于世界而存在的模型。于是研究人员建立了一个可以在无模型和基于模型之间进行自我判断的算法。虽然这个模型不一定是小鼠大脑真正的工作方式，但这有助于人们理解究竟通过何种方式来改进算法。

　　人工智能的一个问题是，机器需要大量的经验才能学会一些东西。它们必须探索环境数千次，而真正的动物却可以在不到十分钟的时间里学习并掌握一个新环境。我们认为这可能是因为，与人工智能不同，动物的探索不是随机的，而是有目的性的，会专注于环境中更加突出的对象。布兰科教授解释说：“这种定向探索能使学习更有效率，因此可以凭借更少的经验来达到同样的学习目标。”

　　研究人员的下一步是研究动物的探索性行动的执行和子目标之间的联系。研究小组现在正在更具体的对大脑进行记录，以发现哪些区域参与了子目标，以及探索性行动如何导致认知地图的形成。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。