关于昆虫大脑与机器学习的对比分析

生命体一直以来都是技术灵感的来源：鸟类仿生学帮助人类设计出首个飞行器，而带刺的种子则被 Velcro 魔术贴仿用。当前，仿生学正用于机器人和计算机视觉等各种尖端技术。

仿生学的另一个当代应用是人工智能 (AI)。通过AI，机器可拥有天然的认知功能，如学习和解决问题。人工神经网络 (ANNs) 进一步推动仿生学发展，受生物大脑的启发创造出计算系统。

模仿相对简单的生物大脑系统能有多智能？事实证明，由于生物的不断进化，即使是相对简单的生命体大脑在遇到事关生存的任务时，也会变得非常智慧。

对于蛾子来说，这意味着嗅觉。即使蛾子的大脑只有针头大小，却可高效地习得新气味。蛾子通过嗅觉捕食和求偶，这是关乎物种生存的两项关键任务。

华盛顿大学的研究人员根据蛾子的大脑结构开发出一种神经网络——MothNet。

“蛾子嗅觉网络是可以被学习的最简单生物神经系统之一。”

Charles B.Delahunt、Jeffrey Riffell和J. Nathan Kutz《可学习的生物机制：烟草天蛾嗅觉学习计算模型及其在神经网络中的应用》(Biological Mechanisms for Learning: A Computational Model of Olfactory Learning in the Manduca sexta Moth, with Applications to Neural Nets)

《麻省理工科技评论》(MIT Technology Review) 中的文章“为什么蛾子的脑子比 AI 智能” 这样描述 MothNet 模仿的生物系统：“蛾子的嗅觉学习系统相对简单并且神经学家对它也比较了解。它由五个不同网络组成，可从依次向下一个系统传递信息。”

MothNet模拟蛾子的大脑结构进行设计。

图片来源：Delahunt andKutz。

不同于识别气味，研究人员利用监督式学习通过 15 到 20 张包含 0 到 9 数字的图片训练 ANN 识别手写数字。训练示例来自 NMIST（Modified National Institute of Standards and Technology）机器学习领域训练和测试中常用数字的数据库。以下是MNIST数据库中的部分示例：

MINST数据库示例。

图像来源：Wikipedia, CC4.0.

他们发现 MothNet 的学习速度比机器更快。仅仅通过几个培训示例，MothNet 便“习得”了数字识别，准确率高达 75% 到 85%。而一般卷积神经网络则需要几千个训练示例才能获得 99% 的准确率。

开发更好的机器学习算法

研究人员发现，以下三个特性使得蛾子的生物系统在学习时非常高效，这有助于开发新的机器学习算法：

它会在每个步骤中过滤信息，并将最关键的信息传递到系统中的下一阶段，以实现快速学习。虽然 5 个不同网络中第 1 个网络的触角上拥有近 30,000 个接收器，但第二个网络只有 4,000 个单元。当信息到达系统的最后一个网络时，神经元的数量仅剩下几十个。

过滤流程还可从信号中去除噪音。前两个网络之间的稀疏层可充当有效的噪音过滤器，保护下游神经元不受“触角”接收的噪音信号干扰。

最后，脑部成功得到了“回报”，通过称为真蛸胺的化学神经传递素识别出气味，强化了神经线路的成功连接。活动连接针对分配的数字得到了强化，而其他连接则逐渐减弱。

绿色线高亮显示 MothNet（人工神经网络）中的通路，蓝色线是生物通路。