DeepMind使用神经网络来帮助解释人们的元学习

2019-06-17 16:34:33 编辑：来源：

导读由谷歌子公司DeepMind的一个小组领导的一个研究小组通过将其与计算机上的某种类型的深度学习网络进行比较，开发了一个关于人类元学习如何工

由谷歌子公司DeepMind的一个小组领导的一个研究小组通过将其与计算机上的某种类型的深度学习网络进行比较，开发了一个关于人类元学习如何工作的理论。在他们发表在“ 自然神经科学 ”杂志上的论文中，该小组认为专门的计算机化神经网络中的关键要素可能类似于元学习过程中大脑中多巴胺的功能。

深度学习网络虽然在运行时非常令人印象深刻，但在一个领域仍然不足 - 他们需要花费大量的时间和精力才能加快速度。最近的一个例子是编程为玩Pong等旧电脑游戏的神经网络。一个人可以掌握基础知识，并在玩了一个下午之后变得非常精通。另一方面，神经网络需要数百小时的训练。神经科学家认为，这种差异是由于所谓的元学习 - 一个人(或动物)根据他们过去学到的东西学习如何做新事物。例如，猴子在首次学习通过随机选择学习后可以学习选择不同的物体 - 这是哈洛实验中发现的一部分。

研究人员，例如DeepMind的研究人员，最近在使计算机参与元学习方面取得了进展。当然，他们这样做的过程非常清楚，因为它们是使它成为现实的过程。然而，人类的情况仍然不明确。在这项新的努力中，DeepMind的团队认为让计算机参与元学习的关键因素之一可能类似于人类神经网络中发现的东西。

为了得出这个结论，该团队开发了六个基于计算机的元学习实验，这些实验最初是动物神经科学实验的一部分，其中一个是Harlow实验。研究人员发现他们的深层神经网络反应与原始实验中的动物相似。此外，他们指出，每个实验所使用的常用成分是他们称之为代理的东西 - 它需要引起元类型学习。他们指出，这可能表明动物神经网络具有类似的生物因子，负责引起元学习。并且他们认为药剂可能是神经递质多巴胺。

标签：神经网络