冷泉港实验室(CSHL)神经科学家Anthony Zador说，人工智能(AI)仍然需要从动物脑中学到很多东西。现在，他希望神经科学的教训可以帮助下一代人工智能克服一些特别困难的障碍。
医学博士安东尼·扎多尔(Anthony Zador)在其职业生涯中致力于将个体神经元描述为构成活脑的复杂神经网络。但他的职业生涯开始研究人工神经网络(ANNs)。人工神经网络是最近人工智能革命背后的计算系统，其灵感来自动物和人类大脑中神经元的分支网络。然而，这个广泛的概念通常是灵感结束的地方。
在最近发表在Nature Communications上的透视文章中，Zador描述了改进的学习算法如何允许AI系统在越来越多的更复杂的问题(如国际象棋和扑克)上实现超人的表现。然而，机器仍然被我们认为最简单的问题困扰。
解决这个悖论可能最终使
机器人能够学习如何做一些有机的东西，如跟踪猎物或筑巢，甚至像人类和平凡的东西一样做菜 - 谷歌首席执行官埃里克施密特曾称之为“字面上的第一要求......但是对于一个机器人来说这是一个非常困难的问题。
“我们觉得很难找到的东西，比如抽象思想或国际象棋，对于机器来说实际上并不困难。我们觉得这些东西很容易，比如与物理世界相互作用，这很难，”Zador解释说。“我们认为这很简单的原因是我们有5亿年的进化已经连接了我们的电路，因此我们可以毫不费力地完成它。”
这就是为什么Zador写道，快速学习的秘诀可能不是一个完善的通用学习算法。相反，他认为通过进化雕刻的生物神经网络提供了一种脚手架，以便于快速轻松地学习特定类型的任务 - 通常是那些对生存至关重要的任务。
举个例子，Zador指向你的后院。
“你的松鼠可以在出生后几周内从一棵树跳到另一棵树，但是我们没有老鼠学到同样的东西。为什么不呢?”扎多说。“这是因为一个人在基因上被预先确定为一个树栖生物。”
Zador认为，这种遗传易感性的一个结果是有助于指导动物早期学习的先天电路。然而，这些脚手架网络远不如大多数AI专家所追求的机器学习的灵丹妙药。Zador认为，如果人工神经网络确定并采用了类似的电路组合，未来的家用机器人可能只有一天会给我们带来干净的菜肴。
