科隆大學(xué)的動(dòng)物學(xué)家研究了昆蟲(chóng)的神經(jīng)系統，以研究生物大腦計算的原理以及對機器學(xué)習和人工智能的潛在影響。具體來(lái)說(shuō)，他們分析了昆蟲(chóng)如何學(xué)會(huì )將周?chē)h(huán)境中的感官信息與食物獎勵相關(guān)聯(lián)，以及他們如何稍后可以回憶起這些信息以解決諸如尋找食物之類(lèi)的復雜任務(wù)。結果表明，將感覺(jué)信息轉換為大腦中的記憶可以激發(fā)未來(lái)的機器學(xué)習和人工智能應用來(lái)解決復雜任務(wù)。這項研究已發(fā)表在PNAS雜志上。

活生物體在應對復雜和動(dòng)態(tài)環(huán)境帶來(lái)的問(wèn)題方面顯示出非凡的能力。他們能夠概括自己的經(jīng)驗，以便在環(huán)境變化時(shí)迅速適應其行為。動(dòng)物學(xué)家調查了尋找食物時(shí)果蠅的神經(jīng)系統如何控制其行為。他們使用計算機模型對果蠅神經(jīng)系統中的計算進(jìn)行了模擬和分析，以響應于食物來(lái)源產(chǎn)生的氣味。``我們最初以與昆蟲(chóng)在實(shí)驗中訓練完全相同的方式訓練了我們的果蠅大腦模型。我們在模擬中展示了特定的氣味以及獎勵和沒(méi)有獎勵的第二種氣味。

因此，創(chuàng )建的模型能夠從其記憶中進(jìn)行概括，并將其先前學(xué)到的知識應用到一個(gè)全新的復雜氣味分子環(huán)境中，而學(xué)習只需要一個(gè)非常小的訓練樣本數據庫即可。這項研究的資深作者馬丁·納沃特(Martin Nawrot)教授解釋說(shuō)：“對于我們的模型，我們利用神經(jīng)系統中生物信息處理的特殊性質(zhì)。“這些尤其是通過(guò)短暫的神經(jīng)沖動(dòng)快速而并行地處理感覺(jué)刺激，以及通過(guò)在學(xué)習過(guò)程中同時(shí)修飾許多突觸來(lái)形成分布式記憶。”該模型所基于的理論原理也可以用于人工智能和自治系統。