结构化探索使生物大脑比人工智能学习更快

神经科学家揭示了探索如何使动物更有效地进入其空间环境他们的发现可以帮助建立更好的AI代理，这些代理可以收集数据并减少经验需求

加州大学洛杉矶分校SainsburyWellcome中心和GatsbyComputational Neuroscience部门的研究人员发现，在动物体内进行肾移植的情况下，可以进行最终的探索这些有目的的作用都是低剂量的小鼠有效地学习世界地图这项研究发表在今天的《神经元》杂志上，描述了神经学家如何提出他们的假设，即动物进行的特定探索活动，如快速冲向目标，对于帮助动物学习如何在环境中生存很重要

“心理学中有很多关于如何执行某些行动的知识。在这项研究中，我们测试了简单的观察物质和环境对它们的影响是否足够，或者有目的的感官指南有助于动物建立一个世界的认知地图，”塞恩斯伯里健康中心领导小组的TiagoBranco教授说，并在报告中做出了相应的解释

在回顾性工作中，SWCob的科学家发现了动物在物体周围学习的程度与接触物体的时间之间的相关性在这项研究中，PhilipShamash、SWCPhDs研究人员和第一位研究者进行了两项实验，以测试收入对组织进行探索的影响通过在线粒体的一部分表达一种被称为通道视紫红质的光激活蛋白，Philip使用了所有的细胞遗传学工具来预防动物在染色体上的染色体损伤

研究小组发现，尽管小鼠花了太多时间观察和完成了任务，但如果他们向他们跑去，他们就不会学习这表明，这些独特的探索活动本身有助于动物了解环境的变化

为了探索老鼠可能用来学习的算法，我与AndrewSax的slabatSWC博士Sebastian Lee合作，研究了不同的强化模型，了解人们已经开发出了人工智能，并观察哪一种最能成功地再现老鼠的行为

信息强化学习模型主要有两类：无模型和基于模型研究小组发现，在某些条件下，他们可以自由建模，但在其他条件下，它们看起来像是在远离世界因此，可以在无模型和基于模型之间寻找简单的代理这不是必须的，因为他们使用脑力劳动，但他们希望他们了解什么是解释行为所需的分析算法

“人工智能的一个问题是，人类需要经验来学习一些东西。他们需要成千上万次地探索环境，而真实的动物在很短的时间内就可以了解环境。我们认为这部分是因为，与认证代理不同，动物的探索不需要专注于特定的对象。这种直接的探索可以提高学习效率。”经验不足“explain Professor Branco…

研究人员的下一步是探索执行调查和提出子目标之间的联系。他们没有在雨中进行额外的记录，以了解哪些领域参与了代表子目标，以及调查如何导致形成这些报告。

这项研究由Wellcome Senior Research Fellowship资助（214352/Z/18/Z