人工智能和神经科学如何互相帮助发展
人工智能在过去几年中取得了长足的进步。从仅仅是虚构的背景到渗透到人们的日常生活中，人工智能以多种方式带来了变革。这些进步是各种因素的产物，包括应用新的统计方法和增强的计算能力。然而，根据DeepMind的2017年报告，《神经元》杂志的《观点》认为人们经常轻视实验和理论神经科学对思想的贡献和使用。
该DeepMind报告的研究人员认为，借鉴灵感神经科学在人工智能研究是两个重要的原因。首先，神经科学可以帮助验证已经存在的AI技术。他们说：“简单地说，如果我们发现一种人工算法模仿了大脑中的功能，则表明我们的方法可能走在正确的轨道上。”其次，神经科学可以为构建人工大脑时采用的新型算法和体系结构提供丰富的灵感来源。历史上，传统的AI方法一直被基于逻辑的方法和理论数学模型所控制。
此外，在最近的博客文章中，DeepMind建议在通过奖励进行学习时，人脑和AI学习方法紧密相关。
计算机科学家已经开发出用于在人工系统中进行强化学习的算法。这些算法使AI系统无需外部指导即可学习复杂的策略，而由奖励预测指导。
正如该帖子所指出的那样，计算机科学的最新发展(在强化学习问题上的表现得到了显着改善)可能为大脑中奖励学习的几个以前无法解释的特征提供了深刻而简约的解释，并开辟了新的研究途径进入大脑的多巴胺系统，对学习和动机障碍有潜在的影响。
DeepMind发现，大脑中的多巴胺神经元分别被调节为不同的悲观或乐观水平。如果他们是合唱团，他们将不会全都唱相同的音符，而是会和谐统一–每个都有一致的人声，例如低音和高音歌手。在人工强化学习系统中，这种多样化的调整会产生更丰富的训练信号，从而极大地加快了神经网络的学习速度，研究人员推测大脑可能出于相同的原因使用它。
大脑中分布强化学习的存在对AI和神经科学都有有趣的意义。首先，这一发现验证了分布强化学习-它使研究人员对AI研究走上正轨的信心增强，因为该算法已在他们所知道的最智能的实体中使用：大脑。
因此，针对人工智能和神经科学的情报共享框架将使科学家能够构建更智能的机器，并使他们更好地了解人类。这种推动双方的协作动力可能会扩大人的认知能力，同时弥合人与机器之间的鸿沟。
