蠕虫的大脑虽然微不足道，但这个小小的器官却启发了研究人员设计出更好的无人机软件。麻省理工学院的研究人员利用液态神经网络，训练了一架无人机在不同环境中识别并导航到目标物体。
液态神经网络是一种人工智能工具，具有独特性。它们可以推断并将先前的数据应用于新环境。换句话说，“它们可以推广到它们从未见过的情况，”麻省理工学院的研究员、该主题新研究的合著者之一 Ramin Hasani 说。该研究于 4 月 19 日发表在《科学机器人学》杂志上。
神经网络是受大脑中神经元相互作用方式启发的软件。本研究考察的神经网络类型——液态神经网络，在获得新信息时可以实时灵活地适应，因此得名“液态”。
研究人员的网络是以一种 2 毫米长的蠕虫——秀丽隐杆线虫——为模型设计的。它自然有一个小大脑：302 个神经元和 8,000 个突触连接，这使得研究人员能够理解神经连接的错综复杂。相比之下，人类大脑估计有 860 亿个神经元和 100 万亿个突触。
“我们想模拟神经元的动力学，它们如何表现，如何传递信息，从一个神经元到另一个神经元，”Hasani 说。
这些强大的网络使无人机能够实时适应，即使在初始训练之后，也能在环境变化的情况下识别目标物体。液态神经网络在各种环境中到达目标的成功率超过 90%，并展现出灵活的决策能力。
研究人员表示，利用这项技术，人们可能能够完成诸如自动监测野生动物以及进行搜救任务等工作。
研究人员首先教软件识别并飞向一把红椅子。当这架无人机——一架 DJI 四旋翼无人机——在 10 米（约 33 英尺）外证明了这种能力后，研究人员逐步增加了起始距离。令他们惊讶的是，无人机从最远 45 米（约 145 英尺）的距离缓慢地接近了目标椅子。
“我认为那是我第一次认为，‘这可能真的很强大’，因为我从未见过（网络操控无人机）从这么远的距离，而且它做得非常稳定，”合著者、麻省理工学院的研究生研究员 Makram Chahine 说，“对我来说，那真的很令人印象深刻。”
在无人机成功飞向不同距离的物体后，他们测试了它在城市庭院中从其他椅子中识别出红椅子的能力。能够正确区分椅子与其他类似刺激物，证明了该系统能够理解实际任务，而不仅仅是导航到一个背景上的红色像素图像。
例如，无人机可以被训练来识别海中的鲸鱼，或者在自然灾害后被困的人类，而不是识别一把红椅子。
合著者、麻省理工学院的本科研究员 Patrick Kao 说：“一旦我们证实液态网络至少能够复制任务行为，我们就开始审视它们的域外表现。”他们测试了无人机在城市和林地环境中、在不同季节和光照条件下识别红椅子的能力。该网络仍然表现出成功，在多样化的环境中展现出多功能性。
[相关：观鸟爱好者看过来：康奈尔大学的 Merlin 应用现已成为观鸟识别的一站式服务]
他们将两种液态神经网络与四种非液态神经网络进行了对比，发现液态网络在所有领域都表现更优。现在断言液态神经网络如此成功的原因尚为时过早。研究人员表示，一种可能的假设与理解因果关系的能力有关，这使得液态网络能够专注于目标椅子并导航到它，而不受周围环境的影响。
该系统足够复杂，可以完成识别物体并自主移动到它跟前的任务，但又不过于复杂，不会妨碍研究人员理解其底层过程。“我们想创造一些可理解、可控的东西，以及（通用人工智能），这是我们未来想要实现的目标，”Hasani 说。“但现在我们离那还很远。”
人工智能系统近来一直饱受争议，人们对其安全性和过度自动化表示担忧，但研究人员表示，完全理解其技术的可能性不仅是优先事项，更是目标。
Hasani 说：“我们作为机器人和机器学习实验室所做的一切，都是为了在我们的社会中以安全和合乎伦理的方式进行人工智能的全面安全部署。我们非常希望坚持我们所拥有的使命和愿景。”
