生命體一直以來都是技術(shù)靈感的來源：鳥類仿生學(xué)幫助人類設(shè)計(jì)出首個飛行器，而帶刺的種子則被 Velcro 魔術(shù)貼仿用。當(dāng)前，仿生學(xué)正用于機(jī)器人和計(jì)算機(jī)視覺等各種尖端技術(shù)。

仿生學(xué)的另一個當(dāng)代應(yīng)用是人工智能 (AI)。通過AI，機(jī)器可擁有天然的認(rèn)知功能，如學(xué)習(xí)和解決問題。人工神經(jīng)網(wǎng)絡(luò) (ANNs) 進(jìn)一步推動仿生學(xué)發(fā)展，受生物大腦的啟發(fā)創(chuàng)造出計(jì)算系統(tǒng)。

模仿相對簡單的生物大腦系統(tǒng)能有多智能？事實(shí)證明，由于生物的不斷進(jìn)化，即使是相對簡單的生命體大腦在遇到事關(guān)生存的任務(wù)時，也會變得非常智慧。

對于蛾子來說，這意味著嗅覺。即使蛾子的大腦只有針頭大小，卻可高效地習(xí)得新氣味。蛾子通過嗅覺捕食和求偶，這是關(guān)乎物種生存的兩項(xiàng)關(guān)鍵任務(wù)。

華盛頓大學(xué)的研究人員根據(jù)蛾子的大腦結(jié)構(gòu)開發(fā)出一種神經(jīng)網(wǎng)絡(luò)——MothNet。

“蛾子嗅覺網(wǎng)絡(luò)是可以被學(xué)習(xí)的最簡單生物神經(jīng)系統(tǒng)之一?！?/p>

Charles B.Delahunt、Jeffrey Riffell和J. Nathan Kutz《可學(xué)習(xí)的生物機(jī)制：煙草天蛾嗅覺學(xué)習(xí)計(jì)算模型及其在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用》(Biological Mechanisms for Learning: A Computational Model of Olfactory Learning in the Manduca sexta Moth, with Applications to Neural Nets)

《麻省理工科技評論》(MIT Technology Review) 中的文章“為什么蛾子的腦子比 AI 智能” 這樣描述 MothNet 模仿的生物系統(tǒng)：“蛾子的嗅覺學(xué)習(xí)系統(tǒng)相對簡單并且神經(jīng)學(xué)家對它也比較了解。它由五個不同網(wǎng)絡(luò)組成，可從依次向下一個系統(tǒng)傳遞信息。”

MothNet模擬蛾子的大腦結(jié)構(gòu)進(jìn)行設(shè)計(jì)。

圖片來源：Delahunt andKutz。

不同于識別氣味，研究人員利用監(jiān)督式學(xué)習(xí)通過 15 到 20 張包含 0 到 9 數(shù)字的圖片訓(xùn)練 ANN 識別手寫數(shù)字。訓(xùn)練示例來自 NMIST（Modified National Institute of Standards and Technology）機(jī)器學(xué)習(xí)領(lǐng)域訓(xùn)練和測試中常用數(shù)字的數(shù)據(jù)庫。以下是MNIST數(shù)據(jù)庫中的部分示例：

MINST數(shù)據(jù)庫示例。

圖像來源：Wikipedia, CC4.0.

他們發(fā)現(xiàn) MothNet 的學(xué)習(xí)速度比機(jī)器更快。僅僅通過幾個培訓(xùn)示例，MothNet 便“習(xí)得”了數(shù)字識別，準(zhǔn)確率高達(dá) 75% 到 85%。而一般卷積神經(jīng)網(wǎng)絡(luò)則需要幾千個訓(xùn)練示例才能獲得 99% 的準(zhǔn)確率。

開發(fā)更好的機(jī)器學(xué)習(xí)算法

研究人員發(fā)現(xiàn)，以下三個特性使得蛾子的生物系統(tǒng)在學(xué)習(xí)時非常高效，這有助于開發(fā)新的機(jī)器學(xué)習(xí)算法：

它會在每個步驟中過濾信息，并將最關(guān)鍵的信息傳遞到系統(tǒng)中的下一階段，以實(shí)現(xiàn)快速學(xué)習(xí)。雖然 5 個不同網(wǎng)絡(luò)中第 1 個網(wǎng)絡(luò)的觸角上擁有近 30,000 個接收器，但第二個網(wǎng)絡(luò)只有 4,000 個單元。當(dāng)信息到達(dá)系統(tǒng)的最后一個網(wǎng)絡(luò)時，神經(jīng)元的數(shù)量僅剩下幾十個。

過濾流程還可從信號中去除噪音。前兩個網(wǎng)絡(luò)之間的稀疏層可充當(dāng)有效的噪音過濾器，保護(hù)下游神經(jīng)元不受“觸角”接收的噪音信號干擾。

最后，腦部成功得到了“回報”，通過稱為真蛸胺的化學(xué)神經(jīng)傳遞素識別出氣味，強(qiáng)化了神經(jīng)線路的成功連接?；顒舆B接針對分配的數(shù)字得到了強(qiáng)化，而其他連接則逐漸減弱。

綠色線高亮顯示 MothNet（人工神經(jīng)網(wǎng)絡(luò)）中的通路，藍(lán)色線是生物通路。