近日，来自日本东京大学的研究人员利用活体神经元开发的物理储备池计算技术，成功开发出一款可以自主走迷宫的机器人。整个实验过程，研究人员不断通过电脉冲刺激机器人自主纠正方向，直至它成功走出迷宫。

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，完全依赖于干扰信号就可以完成走迷宫的目标。

对此，本研究通讯作者东京大学信息科学与技术研究院副教授 Hirokazu Takahashi表示，“这一研究结果表明，生命系统的智能或是一种自无序状态或混乱状态中提取的连续输出机制。而通过提取混乱的神经元信号找到解决方案并储存在储备池中就是所谓的物理储备池计算。一个小学生无法解决大学的数学问题，就是因为他们的‘储备池’不够丰富。

储备池计算（Reservoir Computing）是近年来人工智能领域的一个新型概念，也叫 Echo state network，被视为是神经网络（Neural Network）的一种拓展框架。

物理储备池计算，就是将给定物理系统（例如光子系统、神经系统、机械系统等）中的内在非线性动力学用作计算资源储存。储备池计算的一个神奇之处在于，中间层的储备池矩阵是随机生成的且生成后就保持不变，真正需要训练的只有输出层，这也使它比传统的方法快很多。

图 | 物理储备池实验系统示意图

图片来源：AIP

因此，简单来说，物理储备池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。

相关研究以“Physical reservoir computing with FORCE learning in a living neuronal culture ”为题，发表在最新一期的 Applied Physics Letters 杂志上。

参考资料：

https://aip.scitation.org/doi/full/10.1063/5.0064771https://www.eurekalert.org/news-releases/932479

文章来源：学术头条