无人机可以使用受蠕虫启发的人工智能软件自行飞行

蠕虫的大脑可能很小，但这个小器官激发了研究人员为无人机设计更好的软件。麻省理工学院的研究人员利用液体神经网络训练无人机识别和导航不同环境中的物体。

液态神经网络是一种独特的人工智能工具。它们可以推断以前的数据，并将其应用到新环境中。换句话说，“它们可以推广到从未见过的情况，”麻省理工学院研究机构成员拉明·哈萨尼说，他是一项关于该主题的新研究的合著者之一。这项研究发表在4月19日的《科学机器人》杂志上。

神经网络是受大脑中神经元如何相互作用启发的软件。这项研究中研究的神经网络类型，液体神经网络，可以在给定新信息时实时灵活适应——因此得名“液体”

[相关：这个由人工智能驱动的微型机器人正在学习自己探索海洋]

研究人员的网络是以一条2毫米长的线虫秀丽隐杆线虫为模型的。自然，它的大脑很小：302个神经元和8000个突触连接，这让研究人员能够理解神经连接的复杂性。相比之下，人类的大脑估计有860亿神经元和100万亿突触。

哈桑尼说：“我们想模拟神经元的动态，它们的表现，它们如何释放信息，一个神经元到另一个神经元。”

这些强大的网络使无人机能够实时适应，即使在最初的训练之后，也能识别目标物体，尽管它们的环境发生了变化。液体神经网络在不同的环境中达到目标的成功率超过90%，并展示了灵活的决策。

研究人员称，使用这项技术，人们可能能够完成自动化野生动物监测和搜救任务等任务。

研究人员首先教该软件识别并飞向一把红色椅子。在无人机——一架大疆四轴飞行器——从10米（约33英尺）外证明了这种能力后，研究人员逐渐增加了起始距离。令他们惊讶的是，无人机从最远45米（约145英尺）的距离慢慢接近目标椅子。

“我想那是我第一次想到，‘这实际上可能是非常强大的东西’，因为我从未见过[从这么远的距离驾驶无人机，而且它一直在这样做，”麻省理工学院的合著者和研究生研究员马克拉姆·查因说，“所以这给我留下了深刻的印象。”

在无人机成功飞向不同距离的物体后，他们测试了它识别城市庭院中红色椅子和其他椅子的能力。能够正确区分椅子和类似刺激证明该系统能够理解实际任务，而不是仅仅导航到背景下的红色像素图像。

例如，无人机可以被训练来识别海洋图像中的鲸鱼，或者自然灾害后留下的人类，而不是红色的椅子。

作者之一、麻省理工学院本科生研究员帕特里克·高表示：“一旦我们证实液体网络至少能够复制任务行为，我们就会尝试研究它们的域外性能。”他们测试了无人机在城市和树木繁茂的环境中、在不同季节和光照条件下识别红色椅子的能力。该网络仍然被证明是成功的，显示出在不同环境中的多功能用途。

[相关：观鸟者请看：康奈尔大学的梅林应用程序现在是鸟类识别的一站式商店]

他们测试了两个液体神经网络和四个非液体神经网络，发现液体神经网络在每个领域都优于其他网络。现在要确切宣布是什么让液体神经网络如此成功还为时过早。研究人员说，一个假设可能与理解因果关系或因果关系的能力有关，这种能力允许液体网络专注于目标椅子并向它导航，而不管周围环境如何。

该系统足够复杂，可以完成识别物体然后向其移动等任务，但不会太复杂，无法阻止研究人员理解其潜在过程。“我们希望创造一些可以理解、可控和[人工智能]的东西，这是我们希望实现的未来目标，”哈萨尼说。 “但现在我们离那还很远。”

研究人员表示，人工智能系统一直是最近争议的主题，人们担心安全性和过度自动化，但完全了解其技术的能力不仅仅是一个优先事项，而是一个目的。

哈桑尼说：“作为机器人和机器学习实验室，我们所做的一切都是为了在我们的社会中以安全和合乎道德的方式全面安全和部署人工智能，我们真的想坚持我们的使命和愿景。”