《论语·学而》：“曾子曰：‘吾日三省吾身，为人谋而不忠乎？’”自省，不仅是人类的一个美德，也是使人类得以进步的动力。那么，在高级人工智能领域的神经网络系统能否具有像人那样的自省能力吗？

图片来自网络

8月31日，据《科学日报》（ScienceDaily）报道，北卡罗来纳州立大学的一项新的研究发现，当人工智能选择多样性而不是“一根筋”时，它能够向内看（机械式“自省”）并微调自己的神经网络，从而让性能更好。由此产生的各种神经网络系统在解决复杂任务时特别有效。

北卡罗来纳州立大学物理学教授威廉·迪托（William Ditto）表示：“我们创建了一个具有非人类智能的测试系统，即人工智能，以观察人工智能是否会选择多样性而不是缺乏多样性，以及它的选择是否会提高人工智能的表现。”他是北卡罗来纳州立大学非线性人工智能实验室（NAIL）主任，也是该工作的共同通讯作者。“关键是赋予人工智能‘向内看’的能力，并感知它是如何学习的。”

神经网络是一种高级的人工智能，简单说，它基于我们大脑的工作方式。我们的天然神经元根据其连接强度交换电脉冲，从而产生感觉、意识或逻辑判断。人工神经网络通过在训练过程中调整数值权重和偏差来创建类似的强连接。例如，可以训练神经网络通过筛选大量照片来识别狗的照片，猜测照片是否是狗的，看看它离现实有多远，然后调整其权重和偏差，直到它们更接近现实。

传统的人工智能使用神经网络来解决问题，但这些网络通常由大量相同的人工神经元组成。当它学习时，这些相同神经元之间的连接数量和强度可能会发生变化，从而产生所谓的“智能”。但是，一旦网络被优化或调整，这些静态神经元又变成了学习前的状况。

另一方面，迪托的团队让其人工智能能够选择其神经网络中神经元之间的数量、形状和连接强度，在学习过程中创建不同神经元类型和网络内连接强度的子网络。这样，就与人类大脑的功能更接近了一些。——当然，即便现在最先进的人工神经网络系统，其能力与人脑相比也是小儿科，但制造出人工脑脑是这个领域科学家共同梦想。

“我们真正的大脑有不止一种神经元，”他说。因此，我们让我们的人工智能能够向内看（内省），并决定是否需要修改其神经网络的组成。本质上，我们给了它自己大脑的控制旋钮。所以它可以解决问题，看结果，改变人工神经元的类型和混合，直到找到最有利的一个。这是人工智能的“元学习”。

“我们的人工智能也可以在不同的或同质的神经元之间做出决定，”迪托说。“我们发现，在每一种情况下，人工智能都选择多样性作为增强其性能的一种方式。”

该团队通过让人工智能执行标准的数字分类练习来测试其准确性，并发现其准确性随着神经元数量和神经元多样性的增加而增加。一个标准的、同质的人工智能可以以57%的准确率识别数字，而元学习的、多样化的人工智能能够达到70%的准确率。

根据迪托的说法，基于多样性的人工智能在解决更复杂的问题时比传统人工智能精确10倍，比如预测钟摆的摆动或星系的运动。

迪托说：“我们已经证明，如果你赋予人工智能向内看的能力，并学习它如何学习，它将改变其内部结构——其人工神经元的结构——以接受多样性，并提高其学习和更有效、更准确地解决问题的能力。”“事实上，我们还观察到，随着问题变得更加复杂和混乱，与不接受多样性的人工智能相比，性能提高得更显著。”迪托的意思说，他们开发的系统，懂得自己是如何学习的。事实上，谷歌Deepmind团队开发的AlphaGo Zero也具有这个能力。一个高级的神经网络系统应该知道自己学习的策略，并在此基础上建立调整学习策略的模型。

这项研究发表在《科学报告》（Scientific Reports）上，并得到了海军研究办公室（Office of Naval Research）（根据拨款N00014-16-1-3066）和联合治疗公司（United Therapeutics）的支持。约翰·林德纳（John Lindner）是伍斯特学院（College of Wooster）的物理学荣誉退休教授，也是Nail的客座教授，他是共同通讯作者。前北卡罗来纳州立大学研究生安舒尔·乔杜里是第一作者。北卡罗来纳州立大学研究生阿尼尔·拉达克里希南（Anil Radhakrishnan）和印度莫哈里科学教育研究所（Indian Institute of Science Education and Research Mohali）物理学教授苏德什纳·辛哈（Sudeshna Sinha）也参与了这项工作。