神奇的机器人随着高科技的发展，人们在生产机器人的时候,为了机器人

图片来源@视觉中国

说到人工智能机器人，你会想到什么？

很多人可能会想到谷歌阿尔法狗。作为首个击败人类职业围棋选手的人工智能机器人和人类围棋世界冠军，阿尔法狗风靡全球，“阿尔法围棋”成功入选中国媒体十大新词。

与阿尔法狗相比，2008年由皮克斯动画工作室出品、安德鲁斯坦顿执导的电影《机器总动员》中，能够像人类一样独立思考甚至自由恋爱的机器人瓦力和伊娃，可能更符合人们对人工智能的期待。

图|瓦力(来源：迪士尼)

值得注意的是，近日，日本东京大学的研究人员利用活神经元开发的物理存储池计算技术，成功研制出一种可以自主行走迷宫的机器人。在整个实验过程中，研究人员不断刺激机器人通过电脉冲修正方向，直到它成功走出迷宫。

与谷歌的阿尔法狗不同，这个机器人无法看到环境、无法感知环境也没有经过任何走迷宫的学习，而完全是依赖干扰信号就可以完成走迷宫的目标。

这一次，东京大学信息科学与技术研究所副教授高桥浩和说：“这项研究的结果表明，生命系统的智能是从无序或混沌中提取的连续输出机制。通过提取混沌神经元信号并将其存储在储备池中来寻找解决方案，就是所谓的物理储备池计算。一个小学生在大学里解决不了数学题，是因为他们的‘储备库’不够丰富。

名为“活的神经文化中具有力学习的物理库计算”的相关研究发表在最新的《应用物理快报》杂志上。

00-1010长期以来，人们一直认为智能不是人类独有的，可以制造出像人类一样能够独立学习和推理的机器人。然而，事情并没有想象的那么简单。

比如在所谓人工智能，也就是可以智能工作的机器。,阿尔法狗可以独立下棋，轻松击败人类围棋冠军。那么，阿尔法狗算是人工智能吗？

显然还没有，虽然它可以学习无数的棋谱，进行无数的训练，轻松击败所有人类围棋选手。但是人类打败它很简单，就像网友评论的那样，直接拔掉就行了。毕竟它除了围棋什么都不懂。不像人类，他们在生命有危险的时候会反抗或者逃跑。

然而，当前人工智能之所以不能像人类一样独立学习和思考，很大程度上与当前发展人工智能的模式有关。

(来源：Pixabay)

一般情况下，在给电脑编写程序之前，程序员知道他想让电脑做的任务是什么。,然而，在人工智能领域，程序员要求计算机做正确的事情，但同时他们也不太清楚这是什么。例如，我们让计算机识别人脸，但我们人类并没有完全意识到大脑是如何识别人脸的。

在现实世界中，人类不仅要面对，还要处理各种不确定的事件。比如，在你达到一个目标之前，你会遇到很多困难，你需要消除所有的困难；当你开车时，一辆车从前面冲了出来，所以你需要转动方向盘以避免碰撞。当你在处理一个任务的时候，你突然收到了另一个重要的任务，所以你需要随机应变。一个智能的计算机程序不仅可以按照既定的计划完成任务，还可以保证在不确定的事件下完成任务。

因此，真正的人工智能必须能够不断感知周围环境的变化，做出反应，并及时改变和调整自己的行动，从而很好地完成任务。

模拟人工智能并不简单

油藏计算是近年来人工智能领域的新概念，又称Echo状态网络，被视为神经网络的扩展框架。

所谓物理存储池计算就是利用给定物理系统(如光子系统、神经系统、机械系统等)中固有的非线性动力学。)作为计算资源的存储。储备库计算的神奇之处在于，中间层的储备库矩阵是随机生成的，生成后保持不变，只有输出层真正需要训练，这使得它比传统方法要快得多。

图|物理储备池实验系统示意图(来源：AIP)。

所以简单来说，物理储备池的计算就是给一个随机链。

接的脉冲神经网络（物理储备池）一些输入，然后用现有的机器学习的方法来学习这个网络对于特定的输入的模式，从而达到模式识别的目的。可以做一个类比，如果把脉冲神经网络等同于大脑的神经回路的话，那么储备池计算就是从大脑神经回路里接出几个输出，然后判断这些连接输出的神经元都以怎样的模式活动并归类，从而判别输入端接受到了怎样的信息。

为了在活的神经元中进行物理储备池计算，研究人员开发了一个闭环系统来从自发活跃的神经元培养物中产生相干信号，操作移动机器人。神经元培养物在微电极阵列上生长，以方便细胞外信号测量。尖峰事件与半高斯核进行卷积以平滑信号，并将信号加权用于 FORCE 学习的输出。

而反馈信号由光活性笼状谷氨酸和 Rubi- 谷氨酸产生，使用 473 nm 蓝光照射会打破笼装结构，激活神经元细胞。在 FORCE 学习中通过 RLS 算法调整权重，使输出信号变成目标常数信号。输出信号与目标之间的偏差用于机器人控制，如果误差为 0 则机器人向前移动，否则要么左转、要么右转。

此外，研究人员还开发了一套定制的程序，来处理尖峰数据以执行 FORCE 学习，并与机器人进行双向通信。该程序可以根据 FORCE 学习的输出调整蓝光照射的时间，对神经元施加电刺激。最终，研究人员证实，通过 FORCE 学习不断干扰神经元信号后，移动机器人成功走出了迷宫。

这一研究结果表明，通过向混沌的具体系统发送干扰信号，而无需任何额外的学习就可以生成目标导向行为，机器人无需感知环境，完全依赖电刺激也能出色的完成迷宫任务。

对于这一研究成果 Hirokazu Takahashi 教授表示，“物理储备池计算可以帮助我们更好地了解人类大脑的工作机制，有利于创造像人类一样思考的人工智能机器人。”

参考资料：

https://aip.scitation.org/doi/full/10.1063/5.0064771

https://www.eurekalert.org/news-releases/932479