受蛲虫大脑启发构建新AI系统 利用更少的神经元

人工智能已逐渐融入汽车领域，成为我们日常生活中的重要角色。这一切的变革，源于近年来计算能力的飞跃发展。一项研究为我们揭示了一种全新的可能：利用更简单、更小巧的神经元网络，我们能以更高效、更可靠的方式解决相关问题。

这支由维也纳工业大学、奥地利科学技术研究所和美国麻省理工学院联合组成的研究团队，已经研发出一种新型人工智能系统。这一系统借鉴了微小生物如蛲虫的大脑构建原理，通过少量神经元就能控制车辆的行驶。与复杂的学习模型相比，这一系统具有显著的优势，比如更好地应对噪声干扰的输入信号。更重要的是，这个系统的运作模式易于理解，不像一些学习模型那样，是一个难以穿透的“黑匣子”。

该系统的构造类似于大脑，由许多独立的细胞构成。当某个细胞活跃时，它会向其他细胞发送信号。接收信号的细胞会将所有接收到的信息整合，决定是否也要变得活跃。这一过程决定了系统的行为方式。在自我学习过程中，这些参数会不断调整，直至系统能够完成某一特定任务。

研究人员受到自然界启发的这一创新思路，已经大幅降低了模型的复杂性并增强了其可解释性。他们借鉴了自然界中一些生物如C.elegans线虫的神经系统处理方式，尽管其神经元数量很少，但能以高效且和谐的方式处理信息。大自然的奇妙让研究人员看到了巨大的改进空间。

这一新型系统内部的细胞信号处理遵循的数学原理与以往的学习模型不同。而且，这一系统非常稀疏，意味着并非每个细胞都与其他细胞相连，这进一步简化了网络结构。

为了验证新网络的实际应用能力，研究小组选择了一个关键任务：让汽车保持在车道内行驶。这个系统可以接收来自道路摄像头的输入信息，然后决定车辆是向右还是向左行驶。这一系统的核心部分由两部分组成：处理摄像头输入的卷积网络，以及决定车辆行驶方向的控制系统。这两个子系统协同工作，共同控制车辆的行驶。

研究人员还进一步解释了新系统的独特之处：其神经回路策略（NCP）仅由19个神经元组成，能够将感知数据转化为控制指令。与最先进的模型相比，NCP的规模要小得多。该新型学习模型在一辆真实的汽车上接受了测试，并表现出了卓越的鲁棒性，即使面对噪声干扰的输入信号，也能保持稳定的性能。

研究人员表示，这一新型系统的优势不仅在于其可解释性和鲁棒性，还在于它能够减少训练时间，在相对简单的系统中实现AI的应用。我们的模型可以让我们了解在车辆行驶时，网络关注的是什么。我们的网络会关注摄像头图像中的特定部分，如路边和地平线等。这种独特的操作方式使得我们可以确定每个细胞在驾驶决策中的作用，理解单个细胞的功能和行为。

一、深入理解文章

二、保持原文风格特点

三、注重内容生动和文体丰富

四、过滤无关内容

五、确保字数要求