一手创造史上最强围棋人工智能AlphaGo的DeepMind团队，5月10日，在世界顶级学术杂志《自然》上发表论文称，其最新研发出的一个人工智能程序具有类似哺乳动物一样的寻路能力，非常类似大脑中网格细胞的工作原理。
当人们在熟悉的街道前行，大脑是如何引导人们绕过障碍物，找到最短的路径到达目的地，这看似一个简单的步骤其实过程及其复杂。
科学家们在动物和人类大脑中找到了三种跟认路相关的细胞，分别是位置细胞、方向细胞和网格细胞。位置细胞能在主体到达特定地点时放电，从而赋予对过往地点的记忆；方向细胞能感应前进的方向；网格细胞则是最神秘的一种：它们能将整个空间环境划分成蜂窝状的六边形网格，仿佛地图上的坐标系。网格细胞是由莫索尔夫妇发现的，并获得了2014年诺贝尔生理学或医学奖。该细胞仅仅只能类似于GPS定位服务吗？一些科学家猜测，它们也会参与矢量计算，辅助动物规划路径。DeepMind团队决定用人工神经网络检验上述猜想。
人工神经网络是一种利用多层处理模拟大脑神经网络的运算结构，科学家们利用深度学习算法训练神经网络，学习哺乳动物觅食运动路径，利用线速度、角速度等信号在视觉环境中定位。DeepMind团队随后利用强化学习检验这种网格结构是否能够进行矢量导航。强化学习被普遍用于训练游戏AI，人类告诉AI一种游戏的得分奖惩机制，但却不教授游戏方法，由AI在反复进行游戏、努力争取更高分的过程中自我进化。
研究人员将之前自动出现的网格结构与一个更大型的神经网络架构结合成了人工智能体，置于虚拟现实的游戏环境中。经历强化学习后，该人工智能在游戏迷宫中向目的地前进的导航能力超越了一般人，达到了职业游戏玩家水平。它能像哺乳动物一样寻找新路线和抄近路。
最关键的是，当研究人员“静默”原来的网格结构后，人工智能体的导航能力就会变弱，判断目标的距离和方向都更不准确了。
论文作者之一Dharshan Kumaran说道：“我们证明了网格细胞远不只是给我们提供GPS定位信号，也是一种大脑赖以计算两个地点间的最短距离的核心导航机制。”
DeepMind团队相信，类似的研究方法还可以用来探索大脑听觉和控制四肢的机制。在更远的将来，神经科学家们甚至可以用人工智能代替小白鼠来做实验。
