窺探AI的黑匣子以發(fā)現(xiàn)集體行為是如何出現(xiàn)的

魚群創(chuàng)造的驚人復雜的圖案如何出現(xiàn)?對于許多科學家而言，這個問題提出了一個不可抗拒的數(shù)學難題，其中涉及大量變量，這些變量描述了每條魚類及其許多鄰居的相對速度和位置。

提出了各種數(shù)學模型來解決這個問題，但據(jù)葡萄牙里斯本尚帕里莫德未知中心的集體行為實驗室負責人貢薩洛·德·波拉維耶哈(Gonzalo de Polavieja)稱，它們不可避免地會陷入兩個極端之一：要么太過極端，要么太過極端簡單或過于復雜。

de Polavieja說：“人工智能和機器學習領域的興起提供了非常精確的模型，可以預測群體中個人的行為。” “但是這些模型就像黑匣子：它們處理數(shù)據(jù)以生成預測的方式可能涉及成千上萬個參數(shù)，其中許多甚至可能不對應于真實世界的變量。人類無法理解如此復雜的信息。”

他繼續(xù)說：“在另一個極端，是簡單的模型，參數(shù)很少，使您可以識別與一個主要成分相關的規(guī)則，例如魚之間的距離或其相對速度。但是這些模型也是如此狹窄，因此在預測團隊的整體行為時永遠都不準確。”

de Polavieja和他的團隊從一種新型的稱為“注意力網(wǎng)絡”的AI模型中汲取了靈感，從而能夠找到一種介于兩個極端之間的解決方案：一種具有洞察力和可預測性的模型。他們在科學雜志《Plos計算生物學》上發(fā)表的一篇文章中描述了他們的結果。

解構黑匣子

為了解決該問題，團隊決定使用AI技術：不構建標準的完整“黑匣子”，而是將模型組織為多個相互連接的模塊，每個模塊都非常簡單，因此可以對其進行分析。

當團隊研究由各個模塊生成的功能時，他們發(fā)現(xiàn)他們已經(jīng)知道的粗略規(guī)則仍然適用，但是經(jīng)過了極大地完善。“例如，根據(jù)以前的模型，每條魚周圍的空間分為三個圓形同心區(qū)域：排斥，對齊和吸引。我們也找到了這三個區(qū)域，但是與最初識別它們的簡單模型相反，我們的模型研究表明，這些區(qū)域不是圓形的，也不是同心的，它們的變化取決于魚的速度。”研究的第一作者弗朗西斯科·赫拉斯(Francisco Heras)解釋說。

除了具有洞察力之外，該模型還擅長預測魚的行為。赫拉斯說：“我們可以90%的準確率判斷出該組中的每條魚在下一秒鐘內(nèi)會向右轉(zhuǎn)還是向左轉(zhuǎn)。” “與人類的工作時間相比，這看起來似乎并不長，但是斑馬魚生活在節(jié)奏較快的環(huán)境中，可以在短短的一秒鐘內(nèi)移動約八倍于其身體長度的距離。”

該模型的結果是如此強大，以至于人們不得不懷疑為什么以前沒有使用這種方法。根據(jù)de Polavieja的說法，答案是“一點社會學和一點數(shù)學”。正如他解釋的那樣，“由于主導該領域的兩種方法是如此不同，花了一段時間才意識到，構建既有見識又可預測的模型是可能的。” 一旦團隊意識到了這種可能性，他們便開始探索不同的體系結構，并以優(yōu)化模型的預測能力同時又使模型足夠簡單以使其具有洞察力的方式來調(diào)整其假設集。

使這項開發(fā)成為可能的另一個因素是實驗室最近開發(fā)的開源，復雜的跟蹤軟件。“通過使用idtracker.ai，我們能夠同時跟蹤100條魚的群。這對于獲得此類研究所需的龐大而詳細的數(shù)據(jù)集至關重要。”

團隊免費提供了其模型的代碼。根據(jù)Polavieja的說法，它可以成為集體行為社區(qū)的有用工具，該社區(qū)現(xiàn)在將擁有一種以自動，預見性和生物學洞察力來恢復相互作用規(guī)則的方法。他總結說：“我們希望其他人可以使用它來研究許多不同類型的社交互動。”