生命體一直以來(lái)都是技術(shù)靈感的來(lái)源：鳥類仿生學(xué)幫助人類設(shè)計(jì)出首個(gè)飛行器，而帶刺的種子則被 Velcro 魔術(shù)貼仿用。當(dāng)前，仿生學(xué)正用于機(jī)器人和計(jì)算機(jī)視覺(jué)等各種尖端技術(shù)。

仿生學(xué)的另一個(gè)當(dāng)代應(yīng)用是人工智能 (AI)。通過(guò)AI，機(jī)器可擁有天然的認(rèn)知功能，如學(xué)習(xí)和解決問(wèn)題。人工神經(jīng)網(wǎng)絡(luò) (ANNs) 進(jìn)一步推動(dòng)仿生學(xué)發(fā)展，受生物大腦的啟發(fā)創(chuàng)造出計(jì)算系統(tǒng)。

模仿相對(duì)簡(jiǎn)單的生物大腦系統(tǒng)能有多智能？事實(shí)證明，由于生物的不斷進(jìn)化，即使是相對(duì)簡(jiǎn)單的生命體大腦在遇到事關(guān)生存的任務(wù)時(shí)，也會(huì)變得非常智慧。

對(duì)于蛾子來(lái)說(shuō)，這意味著嗅覺(jué)。即使蛾子的大腦只有針頭大小，卻可高效地習(xí)得新氣味。蛾子通過(guò)嗅覺(jué)捕食和求偶，這是關(guān)乎物種生存的兩項(xiàng)關(guān)鍵任務(wù)。

華盛頓大學(xué)的研究人員根據(jù)蛾子的大腦結(jié)構(gòu)開(kāi)發(fā)出一種神經(jīng)網(wǎng)絡(luò)——MothNet。

“蛾子嗅覺(jué)網(wǎng)絡(luò)是可以被學(xué)習(xí)的最簡(jiǎn)單生物神經(jīng)系統(tǒng)之一?！?/p>

Charles B.Delahunt、Jeffrey Riffell和J. Nathan Kutz《可學(xué)習(xí)的生物機(jī)制：煙草天蛾嗅覺(jué)學(xué)習(xí)計(jì)算模型及其在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用》(Biological Mechanisms for Learning: A Computational Model of Olfactory Learning in the Manduca sexta Moth, with Applications to Neural Nets)

《麻省理工科技評(píng)論》(MIT Technology Review) 中的文章“為什么蛾子的腦子比 AI 智能” 這樣描述 MothNet 模仿的生物系統(tǒng)：“蛾子的嗅覺(jué)學(xué)習(xí)系統(tǒng)相對(duì)簡(jiǎn)單并且神經(jīng)學(xué)家對(duì)它也比較了解。它由五個(gè)不同網(wǎng)絡(luò)組成，可從依次向下一個(gè)系統(tǒng)傳遞信息?！?/p>

MothNet模擬蛾子的大腦結(jié)構(gòu)進(jìn)行設(shè)計(jì)。

圖片來(lái)源：Delahunt andKutz。

不同于識(shí)別氣味，研究人員利用監(jiān)督式學(xué)習(xí)通過(guò) 15 到 20 張包含 0 到 9 數(shù)字的圖片訓(xùn)練 ANN 識(shí)別手寫數(shù)字。訓(xùn)練示例來(lái)自 NMIST（Modified National Institute of Standards and Technology）機(jī)器學(xué)習(xí)領(lǐng)域訓(xùn)練和測(cè)試中常用數(shù)字的數(shù)據(jù)庫(kù)。以下是MNIST數(shù)據(jù)庫(kù)中的部分示例：

MINST數(shù)據(jù)庫(kù)示例。

圖像來(lái)源：Wikipedia, CC4.0.

他們發(fā)現(xiàn) MothNet 的學(xué)習(xí)速度比機(jī)器更快。僅僅通過(guò)幾個(gè)培訓(xùn)示例，MothNet 便“習(xí)得”了數(shù)字識(shí)別，準(zhǔn)確率高達(dá) 75% 到 85%。而一般卷積神經(jīng)網(wǎng)絡(luò)則需要幾千個(gè)訓(xùn)練示例才能獲得 99% 的準(zhǔn)確率。

開(kāi)發(fā)更好的機(jī)器學(xué)習(xí)算法

研究人員發(fā)現(xiàn)，以下三個(gè)特性使得蛾子的生物系統(tǒng)在學(xué)習(xí)時(shí)非常高效，這有助于開(kāi)發(fā)新的機(jī)器學(xué)習(xí)算法：

它會(huì)在每個(gè)步驟中過(guò)濾信息，并將最關(guān)鍵的信息傳遞到系統(tǒng)中的下一階段，以實(shí)現(xiàn)快速學(xué)習(xí)。雖然 5 個(gè)不同網(wǎng)絡(luò)中第 1 個(gè)網(wǎng)絡(luò)的觸角上擁有近 30,000 個(gè)接收器，但第二個(gè)網(wǎng)絡(luò)只有 4,000 個(gè)單元。當(dāng)信息到達(dá)系統(tǒng)的最后一個(gè)網(wǎng)絡(luò)時(shí)，神經(jīng)元的數(shù)量?jī)H剩下幾十個(gè)。

過(guò)濾流程還可從信號(hào)中去除噪音。前兩個(gè)網(wǎng)絡(luò)之間的稀疏層可充當(dāng)有效的噪音過(guò)濾器，保護(hù)下游神經(jīng)元不受“觸角”接收的噪音信號(hào)干擾。

最后，腦部成功得到了“回報(bào)”，通過(guò)稱為真蛸胺的化學(xué)神經(jīng)傳遞素識(shí)別出氣味，強(qiáng)化了神經(jīng)線路的成功連接。活動(dòng)連接針對(duì)分配的數(shù)字得到了強(qiáng)化，而其他連接則逐漸減弱。

綠色線高亮顯示 MothNet（人工神經(jīng)網(wǎng)絡(luò)）中的通路，藍(lán)色線是生物通路。