一个研究团队利用AI重建了小鼠桶状皮层神经网络，研究结果登上了《科学》杂志的封面。人工智能和神经科学合作的“一小步”实现了，希望今后，有更多神经科学的研究，能在AI的帮助下实现。捉迷藏游戏不复杂，但在近期进行的一个“虚拟躲猫猫”游戏中，OpenAI家的AI出人意料地展示了使用周围的东西作为工具，解决类似真实世界的开放式问题的能力。人类智能史上，工具的产生有着重大意义，对AI而言，这又代表什么呢？
我们尚不能轻易下结论。
AI会越来越像人吗？机械姬会出现吗？回答这些问题前，仿真人设计者们先要跨越“恐怖谷”——一个著名的心理学效应。近期，科学家找到了疑似产生“恐怖谷效应”的大脑区域。不过，即便“恐怖谷”不能够跨越，AI也可以越来越像人，我们是否真的需要开始这场“模仿游戏”呢？这是值得我们深思的一个问题。
哺乳动物的神经连接是一张巨型网络。
在小鼠的大脑内，光是神经元的个数就已至少有7500万；每个神经元又有成百上千个突触连接。要重建这样一张巨型网络，仅靠电镜图像和手工重建是近乎不可能的。近日，马克斯·普朗克研究所脑研究中心的Helmastaedter团队结合电镜图像和人工智能，成功重建了小鼠大脑桶状皮层第四层（Barrel Cortex L-IV）内89个神经元的胞体、轴突和树突结构，共计还原了15万多个突触连接。
这样数量级的工作仅花费了4000工作小时的手工重建，其余工作都由计算机完成。据作者团队称，这项工作获得了比之前大300倍的数据，重建效率提升了20倍。
此类研究在近几年被称为“连接组研究”（connectomics），目标是为了阐明神经元之间的直接连接，并标明连接的符号（兴奋性、抑制性，有时甚至在一个突触连接上两者皆有）。而这项研究针对的桶状皮层第四层则是包括猫鼠在内的许多哺乳动物的胡须感知皮层。
这项研究对桶状皮层内的神经回路研究有一定意义，但对其评估也需谨慎。至今为止，大部分研究得出的连接组都仅揭示了突触连接。相比之下，大脑内很大一部分的交流信息都来源于体积通讯（volumetric transmission），即非突触连接。这些连接会大面积地“散播”神经调质（neuromodulators），如多巴胺和5-羟色胺，而当前的连接组研究几乎不可能获取它们的连接信息。
因此，Helmastaedter团队的这项研究也许能被称为人工智能和神经科学的合作里程碑，但其对神经科学研究的意义，则需要更谨慎的评估。捉迷藏游戏其实是一种微小规模的军备竞赛，人工智能研究公司OpenAI的程序员们基于机器学习算法，让一群智能体在虚拟竞技场玩捉迷藏，从而观察隐藏者和找寻者之间的竞争如何驱使智能体寻找和利用数字工具。游戏是开放设计的，需要对抗双方在原先策略失败后重新寻找新策略。
实验包括6个阶段，首先用积分激励智能体学会追逐、逃跑和隐匿；在第2-4阶段，隐匿者学会了建造微型堡垒和利用环境优势设置障碍，而作为回应，找寻者学会了用坡道攀登墙壁的方式找到躲藏目标。实验进入第5阶段，在3.9亿场游戏之后，找寻者出乎意料地学会将箱子推到锁定的斜坡旁，再爬上去用“箱式冲浪”打破防御找到目标；而第6阶段，隐藏者则学会锁定箱子，破解“箱式冲浪”大法。
简单的规则让躲猫猫成了一种高效的人工智能测试工具，而这个实验也展示了智能体能够学习如何使用周围的东西作为工具，解决类似真实世界的开放式问题的能力。而这也引向了更让人“细思恐极”的发问：人工智能能够在现实世界发明有用的工具吗？为了找到答案，研究者的下一步是升级游戏难度，测试和找寻智能体的知识获得和组织模型。
很多人都听说过“恐怖谷效应”：当仿真机器人的外形逼真到一定程度时，人们会开始对其产生恐惧和厌恶。为了更好地了解这种现象，今年夏天发表的一项研究找到了疑似是“恐怖谷效应”产生原因的大脑区域：和价值判断有关的腹内侧前额叶皮质（VMPFC）。
实验中，被试者们在经受fMRI扫描的同时，被展示了真人、仿生人、和经受过整形手术或照片编辑的真人图片，并被要求就问题“有多招人喜欢”和“有多像人”给各个形象打分，然后在两两一组的图片中选择“更值得信任的”的形象。测试的结果和“恐怖谷效应”所预测的相符：人们通常认为，更像人的形象更招人喜欢，但最像人的仿生人却会被形容为“不讨喜”或“不值得信赖”。
fMRI图像则显示，腹内侧前额叶皮质在被试者看到更像人的形象时更活跃，在看到过于逼真的仿生人时则活跃程度骤降，而这个变化在对仿生人好感最低的人身上最明显。不过，这个实验还有不够完善的地方：“恐怖谷效应”给人们带来的“恐惧感”，和实验中所关注的“不喜欢”和“不信任”还有着细微的差别，这给未来的研究指明了一条线索。在不久的将来，这些研究或许可以帮助设计者们设计出不那么“怪异恐怖”的仿生人或人物CG。