lswcap
说到人工智能，很多人的印象可能是它模仿了人脑，或者性能超过了人脑。然而，从事军事科学和安全研究的美国桑迪亚国家实验室 (SNL) 的 Frances Chance 博士表示，他正在开发以蜻蜓大脑而非人脑为模型的人工智能。
众所周知，人脑共有860亿个神经细胞或神经元，完成各种需要高级认知能力的任务。与此同时，昆虫最多有几十万到一百万个神经元，但它们仍然擅长某些任务。
从事国家安全研究的Chance博士的目标是设计一种以蜻蜓大脑为参考的导弹拦截系统。他说，为未来的计算机系统上床睡觉可能很直观。他还指出，人工智能具有模仿人类活动或超越人类的强烈形象。然而，开发复杂的人工智能需要通过高性能计算机获得巨大的处理能力，并增加学习所需的能源成本。
然而，Chance 博士说，他认为人工神经网络不必非常庞大和复杂。他补充说，如果你想在短期内获得神经元触发的计算优势，就需要一个简单而复杂的平衡。换句话说，专攻特定功能的人工智能并不一定要在所有领域都具备与人类相媲美的能力，因此需要一种能够在简单的神经网络中高效实现目标的昆虫般的人工智能。
蜻蜓在飞行中具有极好的追捕猎物的能力，因此开始追踪猎物的猎物以95%的成功率每天吃掉数百只猎物。尽管此前很多研究人员将目光投向了蜻蜓的飞行能力，美国机构也一直在研发参考蜻蜓的无人机，但Chance博士关注的是蜻蜓追逐猎物的大脑。
据说，在追逐猎物时，蜻蜓会根据对手的动作来移动自己的身体，而蜻蜓对对手动作的反应速度只有50毫秒。考虑到眼睛处理视觉信息和运动肌肉的时间，蜻蜓大脑仅从第 3 和第 4 层神经元中获取食物及其位置信息，计算出合适的跟踪路线，然后移动。
如果蜻蜓追逐猎物并用神经网络再现系统，就可以应用于拦截导弹系统，在不影响导弹重量和功耗的情况下，可以计算出合适的弹道。对于民用而言，可以想象跟踪和击退干扰蠕虫的软件和小型无人机，以避免自动驾驶汽车和自动驾驶无人机之间发生碰撞。
Chance 博士构建了一个三层神经网络，取代神经系统以模仿蜻蜓的大脑。蜻蜓必须用眼睛来识别物体才能捕捉到猎物，Chance 博士模拟了蜻蜓的眼睛总结。因为蜻蜓不需要三维深度来捕捉它们的猎物，所以神经网络的第一层放置了 21 × 21 = 441 个代表眼睛输入的神经元。另外 441 个神经元放置在这一层中，以找出猎物在视野中的位置。
在神经网络的第二层，194,481 个神经元根据从第一层接收到的猎物的位置信息来决定将身体移动到哪里。此时，蜻蜓并不是简单地跟随猎物，而是通过将视野中反射的猎物图像相对于猎物的方向固定，找到合适的位置来捕捉猎物。
第三层神经网络根据处理后的信息给出移动身体的指令。捕捉猎物时，蜻蜓的运动会改变方向并在与猎物保持恒定角度的同时移动。如果猎物在视野中的位置保持不变，它可以碰撞并捕获未来的路径和猎物。事实上，作为测试这个神经网络的结果，据说尽管模型非常简单，但它能够很好地捕捉猎物，例如在 3D 空间中弯曲或随机移动。
此外，Chance博士开发的模型是假设性的，为了确认它是否真的与蜻蜓大脑完全相同，还需要测量蜻蜓在飞行过程中神经系统的电信号。一些研究人员已经在开发用于放置在床上的微型测量设备，他们相信在未来，神经科学家将能够将模型与蜻蜓大脑进行比较。
还指出，通过参考床来创建更高效的人工智能可能成为可能。例如，蜻蜓可以只专注于跟踪特定的猎物，即使它的视野中有多个猎物候选者。通过引入一种从 AI 中扣除额外信息并仅关注特定任务的结构，可能会构建一个更简单、更高效的系统。不仅如此，蜻蜓的帧率是人类的数倍，但它们的空间分辨率仅为人类的百分之一。在捕捉在三维空间中移动的猎物的任务中，到目前为止可能不需要空间分辨率。有人认为，通过参考这些特征，有可能创建一个高效的人工智能系统。
虽然早期的人工智能是受人脑启发而发展起来的，但有人指出，今天的人工智能往往依赖于与人脑截然不同的计算。乍一看，昆虫可能是简单的动物，但实际上它们具有执行高度专业化任务的能力，可以为下一代计算机的发展做出巨大贡献。相关信息可以在这里找到。
Add comment