Born wired: innate cortical connectivity plus local plasticity is enough to stand, walk and look
本文表明，仅通过天生的皮层布线和基于局部相关性的塑性，无需任何全局奖励信号、梯度或训练循环，模拟四足机器人即可实现站立、向视觉目标行走以及表现出注视追踪行为。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
我们所认为的绝大多数人工智能领域的“学习”，都涉及一个系统尝试数百万种变化，失败，然后缓慢调整其内部设置，直到最终得到正确答案的过程。这是一个由全局目标引导的试错过程，就像学生通过不断重复章节来背诵教科书，直到答案被记住一样。但自然界似乎并非如此运作。新生动物并非从一张白纸开始；它出生时就拥有了能够站立的身体和能够追踪目标的眼睛。这为研究大脑如何运作的科学家提出了一个根本性的问题：我们的行为中有多少是真正学习到的，又有多少仅仅是最初就内置在布线中的？现代机器学习的主流观点认为，复杂的行为需要大量的训练数据和持续的反馈循环来纠正错误。然而，一个新的研究方向在追问，大脑是否可能出生时就拥有一张预先绘制好的连接图谱，其中变化的唯一规则只是对哪些神经元共同放电进行简单的局部观察，而无需任何老师或全局评分卡。
一位名叫志文·李（Zhiwen Li）的研究人员构建了一个数字大脑来测试这个想法。他们并没有从头开始训练一个系统，而是构建了一个拥有近14.4万个神经元和超过30万个特定连接的模拟大脑，这些连接在其存在的最初一刻就已经存在。这些初始连接——作者称之为“本能表”（instinct table）——并非随机生成的；它们经过精心设计，将感觉输入（如看到红色形状或感觉到身体平躺）直接连接到运动输出（如站立或行走所需的肌肉）。至关重要的是，这个系统没有奖励信号，没有误差纠正，也没有训练循环。它只是被置于一个拥有四足机器人身体的模拟世界中，并被要求生存。结果是即时且令人惊讶的：当被放置在腹部着地时，机器人能够自行站立。当看到红色物体时，它会向其走去。这些动作并非通过重复学习而来的，而是预设连接按正确顺序放电的直接结果。
实验通过进一步证明这些行为并非偶然。当研究人员完全移除感觉输入时，机器人瘫倒了，这证明了该行为依赖于大脑处理实时信息。当他们抹除特定的“本能”连接但保留随机背景布线时，机器人既不能站立也不能行走，从而证实了这种行为来自预设的图谱，而非偶然。研究还表明，大脑的特定部分负责特定的动作。通过关闭前额叶区域（大脑中通常与规划和决策相关的部分）的一大组神经元，研究人员发现机器人仍能对蓝色屏幕做出反应，但却完全失去了向红色物体走去的能力。这证明了“向红物走去”的思想是那组细胞中的一种特定活动模式，如果没有它，这种行为就会消失，即使基本的反射功能仍然存在。
或许最引人注目的发现是，这个系统可以在其生命周期内学习一项新技能，而无需任何外部教师。研究人员添加了一小组起作用类似于奖励信号的细胞。当机器人站立并看到红色物体同时听到特定声音时，这个信号就会放电。在那一刻，大脑用于改变的局部规则启动了：它加强了在声音发生前活跃的细胞与声音发生时活跃的细胞之间的连接。在仅此一次事件之后，机器人只需听到声音就能学会向红色物体走去，即使物体不可见。这种新能力是在实时过程中被写入大脑布线的，仅由事件的巧合和奖励信号的存在驱动，没有任何全局目标函数来引导这一过程。
然而，这项研究也揭示了这种方法的局限性。虽然机器人可以学会行走，但在奖励信号持续激活时，它很难长时间保持直立。那些让大脑保持某种想法或计划的内部循环也导致了过多的活动积累，最终导致机器人倾倒。这表明，虽然一个拥有简单局部规则的预设布线大脑可以产生复杂行为并甚至学习新的关联，但它仍然需要一种遗忘或重置的方法，而目前的模型缺乏这种机制。研究人员还指出，“本能”表本身是使用先前训练过的机器学习系统的数据构建的，这意味着初始的动作库是在大脑创建之前，就已从学习到的策略中提炼出来的。这一坦诚说明，该系统并非凭空发明了行走；它继承了一个动作库，并学会了如何在新的语境下触发它们。
这项工作挑战了“智能需要大规模、自上而下的优化过程”这一观点。相反，它表明，有机体所做的大部分事情是由其天生拥有的特定架构决定的。大脑不是等待软件的空白计算机；它是一台拥有硬连线操作系统、可以通过与世界互动进行局部更新的机器。研究表明，只要初始连接正确，一个系统就可以在从未被告知什么是“正确答案”的情况下，实现站立、行走和观察。它并不声称已经解决了通用智能之谜，但它提供了一个具体的演示，证明了只要初始布线正确，复杂的、有目标的行为可以从一组固定的规则和一个简单的局部学习机制中涌现出来。研究结果表明，生物智能的匮乏可能不在于学习的能力，而在于使学习成为可能的初始结构。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。