编译 李升伟

一种称为深度学习的人工智能技术目前正在用来模拟空间导航，这种人工智能系统建立了一种空间的表现，类似于在哺乳动物大脑内发现的网格细胞。

深度学习是一种人工智能方法，它的灵感来自大脑神经网络。由于这种技术的贡献，催生了一系列的技术，从自动化视频分析到语言翻译。在《自然》杂志的一篇在线论文中，巴尼诺（Banino）等人使用这种框架获得了关于真实生命神经网络的新认识，尤其是关于空间的几何常规表示方法是如何促进灵活的导航策略的。

可以训练深度学习网络怎样从输入得到特定的输出，例如，学会从许多张不同人的照片中识别一幅特定的脸形。深度学习网络由重复计算单元的连续层次组成，每个单元接收来自前一个层次的相似单元的输入，然后向下一个层次发送输出。从数学上来说，这样一个网络可以被视为一种高维函数，可以通过改变一层的输出在下一层的加权情况来调节。

在训练阶段，网络对函数进行了调整，这通常依赖于一组输入-输出示例。例如，一个深度学习系统可能浏览了一系列相片，并知道哪张相片包含有它想要识别的脸形。深度学习系统的权重可以通过优化算法自动调整，直到其学会正确识别。深度学习网络具有惊人的能力：能认出和利用在例图中重复出现的最有用的容貌特征和模式，能区别不同的脸形。但深度学习网络的一个缺点是：最终的网络往往是一个黑箱，在训练过程形成的计算方案经常不能从各层之间分配的无数权重中得到解释。……