盡管 AlphaGo 已經(jīng)橫掃圍棋界，可現(xiàn)在很多的人工智能，不是人工智障，就是離不開人工。

　　比如 Google 一項利用 AI 替你打電話到餐館訂位的服務(wù)，被《紐約時報》發(fā)現(xiàn)有相當一部分 AI 助手其實根本就是人工客服。

　　在GQ 報道的《那些給人工智能打工的人》一文中曾提到，現(xiàn)在的人工智能依然依賴大量的人工日復(fù)一日地標注數(shù)據(jù)，以此來訓(xùn)練 AI，堪稱數(shù)字時代的富士康。

▲ 圖片來自：極客公園

　　實際上除了依賴人工喂養(yǎng)數(shù)據(jù)，科技公司也正在設(shè)法用其他方法讓 AI 更加聰明，蘋果、Google 和 Facebook 不約而同將目光放在了動物研究上。

　　在哈佛大學(xué)的羅蘭學(xué)院的一個實驗室內(nèi)，一只叫做的「美洲虎」(Jaguar)的老鼠正在玩一款電子游戲，在幾條金屬桿組成的虛擬盒子內(nèi)，美洲虎的任務(wù)是通過右爪操控一個 360°旋轉(zhuǎn)的操縱桿，憑感覺找到虛擬盒子的邊緣。

　　當它感受到來自盒子邊緣的反饋，研究人員就會通過試管給它一滴糖水作為獎勵。

　　你可能不會將這樣的實驗和人工智能聯(lián)系在一起，但實際上通過這個實驗的目的就是通過研究老鼠大腦的神經(jīng)元活動，來啟發(fā) AI 技術(shù)的開發(fā)。

▲圖片來自：Giphy

　　神經(jīng)學(xué)家 Mackenzie Mathis 通過基因改造讓老鼠的大腦神經(jīng)元發(fā)電時發(fā)出熒光，以此觀察老鼠在完成新任務(wù)時，學(xué)習(xí)過程中成千上萬的神經(jīng)元是怎么變化。

　　除了虛擬盒子的實驗，還會讓老鼠玩一種類似馬里奧賽車的電子游戲。老鼠的爪子橫跨兩個定制的電動圓盤，屏幕顯示出一條綠色跑道，終點是一個藍色方框，老鼠需要在「駕車」前往終點的同時，同時不偏離跑道。

　　Mackenzie 做這些實驗的主要目的之一是了解動物如何快速適應(yīng)物理環(huán)境的變化，未來或許可用于優(yōu)化機器人。

　　比如當我們在拿起一件未知重量的物品時，大腦和身體就瞬間自動計算好需要施加多大的力度，但這對于機器人來說卻很難做到。

　　去年《紐約客》在封面文章《黑暗工廠》(Dark Factory)中提到，目前機器人一個共同的難點，就是設(shè)計一個像人手一樣的「末端執(zhí)行器(end effector)」，讓機器人能以不同的力度抓取大小形狀各異的物體。

　　不過如果能解讀老鼠神經(jīng)元學(xué)習(xí)的模式，并將這種模式輸入到機器人中，就有可能解決這個問題。一方面老鼠大腦已經(jīng)足以作出一些比較高級的決策，但其大腦結(jié)構(gòu)也相對簡單，方便研究人員觀察分析。

　　如果這個技術(shù)難題得到解決，機器人能完成更多精細的工作，很多領(lǐng)域自動化的程度也會大大提高。比如各種水果的采摘，富士康的流水線也不再需要這么多工人了。

▲ 這些工作以后可能都由機器代勞.圖片來自：Quartz

　　這種動物實驗背后，其實也是得益于計算機技術(shù)的發(fā)展。因為小鼠大腦中大約有 7500 萬個神經(jīng)元，直到最近科學(xué)家才擁有可以采集、處理和分析這些神經(jīng)元數(shù)據(jù)的計算機，大大加快了實驗的進度。

　　除了老鼠，還有很多動物參與到類似的研究。波士頓大學(xué)的研究助理教授 Tim Otchy 就在右臂上紋了他的實驗對象——一只斑胸草雀。

▲Tim Otchy

　　斑胸草雀這種鳴禽有一種特殊的技能，能模仿聽到的其他動物的聲音，然后改變曲調(diào)，看起來能對聽到的聲音進行語義理解。弄清楚鳥類是怎么模仿叫聲的，對于訓(xùn)練機器的語音識別技能十分重要。

　　Tim Otchy 日常的工作就是與 300 只小鳥在一起，在斑胸草雀頭上佩戴各種傳感設(shè)備，并用一個攜帶電池的微型背包提供動力，將它放在一個微波爐大小的隔音箱內(nèi)，觀察它鳴叫時的發(fā)聲核團的變化。

　　像 Tim Otchy 這種鳴禽研究人員目前是人工智能領(lǐng)域最熱門的工種之一。

　　加州大學(xué)伯克利分校的博士 Tyler Lee 正受雇于英特爾，通過對斑胸草雀的研究來改進語音處理技術(shù)，最終有望應(yīng)用在像 Siri 這樣的語音助手中。

　　伯克利大學(xué)教授 Frederic Theunissen 表示，這些鳥類研究除了可以應(yīng)用在語音助力之外，還可以用于通話和視頻的降噪，斑胸草雀的神經(jīng)元能夠從周圍的雜音中分辨出另一只雀的叫聲。

　　羅蘭研究所旗下的羅利團隊研究的則是斑馬魚，這種魚幼年時期身體呈透明狀，方便研究人員對其神經(jīng)元活動進行觀察，就像老鼠實驗一樣，這項研究是為了探索腦科學(xué)與人工智能的聯(lián)系。

　　研究人員發(fā)現(xiàn)這項研究有可能應(yīng)用到自動駕駛技術(shù)中，因為斑馬魚發(fā)現(xiàn)捕食者的時候，會迅速從捕獵模式切換到快速游泳模式，對這種行為的研究未來有望用于改善像特斯拉自動駕駛系統(tǒng)的神經(jīng)網(wǎng)絡(luò)。

▲圖片來自：YouTube

　　這種前沿技術(shù)的研究，過去往往由大學(xué)等公共機構(gòu)主導(dǎo)，不過近年來隨著科技巨頭布局人工智能技術(shù)，蘋果、Google 等科技公司紛紛加大對這種研究的投入。

　　據(jù)稱一個剛畢業(yè)的博士在高校一般只能獲得 5 萬美元的年薪，不過科技公司給他們開出的薪酬遠高于 6 位數(shù)，比如曾研究斑馬魚的 Chris Fry 離開實驗室后曾擔任 Twitter 高級工程副總裁，年薪高達 1030 萬美元。

▲Chris Fry

　　這也導(dǎo)致大量學(xué)術(shù)人員涌向科技公司，吸引他們跳槽的原因除了工資，還有更充裕的研究資金，不用再艱難地申請撥款。

　　其實動物對于科技的進步一直都起著重要的作用，比如蝙蝠對飛機雷達的啟發(fā)，日本新干線的設(shè)計則參考了翠鳥喙部的降噪方式、貓頭鷹的的羽毛和企鵝的體型。通過動物研究改進人工智能技術(shù)，也算是仿生技術(shù)的延伸。

　　畢竟人類和動物才是這個世界上最復(fù)雜的「機器」，而大腦則是最「精密」的儀器。機器和 AI 正在變得越來越像人，或許距離獨立思考還有很遠的距離，但能取代人類的工作必將越來越多。

　　題圖來自：Stuart Little，部分配圖來自：Bloomberg