摘要：在科技日新月异的今天，一项由基因组启发的新人工智能（AI）算法正为脑功能研究和技术创新带来新的启示。这项研究展示了该算法在执行如图像识别和视频游戏等任务时，几乎能与完全训练的人工智能网络相媲美。研究人员通过模仿基因组如何用有限的数据编码复杂行为，揭示了高效信息

图片来源：Neuroscience News

在科技日新月异的今天，一项由基因组启发的新人工智能（AI）算法正为脑功能研究和技术创新带来新的启示。这项研究展示了该算法在执行如图像识别和视频游戏等任务时，几乎能与完全训练的人工智能网络相媲美。研究人员通过模仿基因组如何用有限的数据编码复杂行为，揭示了高效信息压缩的进化优势。这不仅为开发先进的轻量级AI系统铺平了道路，也意味着这些系统能够在智能手机等小型设备上运行。

研究介绍

我们每个人的生命始于一个充满行动准备的状态。许多动物在出生后不久就能展现出令人惊叹的行为——蜘蛛织网、鲸鱼游泳。那么，这些与生俱来的能力是从何而来的呢？

显然，大脑在其中扮演着关键角色，它包含了控制复杂行为所需的数以万亿计的神经连接。然而，基因组只能存储这一庞大信息的一小部分。这个矛盾困扰了科学家们几十年。现在，冷泉港实验室（CSHL）的Anthony Zador教授和Alexei Koulakov教授提出了一个可能的解决方案，借助人工智能的力量。

研究方法

当Zador教授首次面对这个问题时，他提出了一个新颖的观点：“如果基因组的有限容量正是使我们如此聪明的原因呢？”换句话说，也许我们之所以能够快速学习并表现出智能，是因为基因组的限制迫使我们不断适应。这是一个大胆的想法，但难以直接证明，因为实验室实验无法跨越数十亿年的进化过程。因此，“基因瓶颈算法”的概念应运而生。

在人工智能领域，代际之间的演变并不需要几十年的时间，新的模型只需按一下按钮即可生成。Zador、Koulakov及其团队成员Divyansha Lachi和Sergey Shuvaev着手开发了一种计算机算法，它可以将大量数据折叠成一个紧凑的包，就像我们的基因组压缩形成功能性脑电路所需的信息一样。

随后，他们将这种未训练的算法与经历了多次训练轮次的AI网络进行对比测试。令人惊讶的是，新算法在执行图像识别等任务时的表现几乎与最先进的AI相当。甚至在《太空侵略者》这样的视频游戏中，该算法也能出色应对，仿佛它天生就知道如何玩游戏。

研究未来

虽然目前AI尚未完全复制我们的自然能力，但这种算法已经实现了前所未有的压缩水平。Shuvaev，作为该研究的主要作者，解释道：“例如，如果你想在一个手机上运行一个大型语言模型，一种方法是使用该算法逐步展开你的模型层，使其适应硬件。”

这种应用可能会带来更加进化的AI，拥有更快的运行速度。值得注意的是，这一切都是在35亿年的进化过程中逐渐形成的。随着研究的深入和技术的发展，我们有理由期待更多关于大脑奥秘的发现，以及更智能、更高效的AI系统的出现。

来源：启真脑机智能基地