陳根:人工智慧回應兩難困境,可正確趨利避害

文/陳根

選擇分輕重，更分難易。簡單選擇只需根據目標做出判斷，但對於兩難選擇來說，則是一種更複雜的思考和抉擇。同時，兩難選擇，也是生活的必經之路，是生物所具有的本能。探究生物在兩難選擇裡的大腦機制，將為人工智慧的學習提供研究的進路。

近日，中國科學院自動化研究所類腦智能研究中心的研究人員就借鑑果蠅腦自主決策的神經機制，提出了類果蠅決策的脈衝神經網絡模型，模型能夠實現趨利避害的行為，並在兩難抉擇下快速做出清晰的選擇。在無人機強化學習、反轉學習和多難決策的任務上均得到了有效地驗證。

具體來說，果蠅進行抉擇存在基於經驗的線性抉擇和非經驗的非線性抉擇兩大通路。在面臨抉擇任務時，果蠅會自適應地選擇合適的通路進行不同複雜度的抉擇。

此前研究中，研究人員曾令果蠅學會喜歡綠色正T的圖案，而藍色倒T的圖案伴隨熱刺激懲罰。在選擇階段，轉換了懲罰與視覺線索的搭配，讓果蠅在綠色倒T和藍色正T之間進行選擇，以此測試果蠅在衝突視覺線索下的兩難抉擇行為。

實驗發現，在不同的顏色強度下，通過統計果蠅在飛行過程中停靠在每個圖案面前的時間分布，來了解果蠅連續的抉擇行為，最終會得到一條呈「S」型的抉擇曲線。

通過單細胞測序發現支持兩難抉擇下非線性曲線的神經機制是由多巴胺能神經元- GABA能神經元-蘑菇體環路負責的「增益-門控」抉擇機制，這是一條基於價值的非線性抉擇通路。而蘑菇體受損的果蠅只能執行簡單的感知抉擇，得到線性的抉擇曲線。

在此次研究中，研究人員基於果蠅簡單感知抉擇（線性通路）和價值抉擇（非線性通路）的神經機制，使用脈衝神經網絡來構建多腦區協同的抉擇模型。其中，線性通路建模了中央複合體的記憶功能來做出快速的抉擇。非線性通路模擬了DA-GABA-MB環路實現增益-門控機制。

隨後，將類果蠅抉擇的脈衝神經網絡模型應用到無人機抉擇任務上，使用小拳頭打擊無人機來模擬懲罰信號，無人機可以學會飛向安全的視覺圖形，並對視覺圖形所包含的線索具有趨利避害的行為。此外，無人機能夠靈活地適應任務的反轉，僅經過4次錯誤選擇就可以學會反轉後的規則。

人工智慧趨近人類智能是其未來所趨，不僅僅是在對確定目標的問題（有限遊戲）上，更是在自我進化能力和對生物直覺的模仿上，在享受著人工智慧帶來的便捷時，也有更多的關涉投向人與智能的關係。為機器立心，將成為人工智慧時代下一個不可迴避的問題。