美國東部時間5月9日，《Nature》在線發表了一篇AI研究成果論文，在神經學和人工智能領域引起了轟動。這篇論文由英國DeepMind團隊（阿法狗和阿法元的開發者）與University College London（倫敦大學學院）合著。

這篇高度抽象的論文背后，隱含著的是一個事實：AI已經可以生成“網格細胞”的功能，實現像人類一樣自動追蹤。要知道，網格細胞是人類進化億萬年才有的生命杰作。

雖然千萬年來，動物和人類可以輕松的在自然空間中避障、走路，但是其認知和計算基礎一直都是不明了的。

直到Edvard Moser發現了網格細胞，一種幫助人類（或動物）認路的細胞。也因此，他于2014年獲得了諾貝爾生理學或醫學獎。

網格細胞，是存在動物大腦中的一種細胞，存在于內嗅皮層，具有顯著的空間放電特征，并呈現出網格圖樣的放電結構。

在最新的這篇論文研究中，倫敦大學學院和DeepMind聯合開發的AI模擬系統能自動生成與大腦細胞活動非常相似的網格模式，并幫助小鼠自動找到捷徑。

更令人驚訝的是，在實驗中，計算機模擬大鼠可以通過類網格細胞編碼在虛擬迷宮中很好的導航，甚至能找到走出迷宮的捷徑！

這一成果的發布顛覆了此前AI技術和設計邏輯。因為對AI而言，只有通過數據訓練走預設的路，而自己通過判斷來決定行走的路徑，這是不可能的事。

另一方面，這一成果也預示著，在人類科學家還沒有完全研究出網格細胞功能的前提下，“黑匣子”AI已經替人類逼真模擬除了網格細胞。

對此，Edvard Moser就評價道：

This paper came out of the blue， like a shot， and it’s very exciting． It is striking that the computer model， coming from a totally different perspective， ended up with the grid pattern we know from biology．

（這篇論文的成果讓人震驚和興奮。令人驚訝的是，給計算機一個完全不同的角度，它就可以得出，我們只有通過生物研究才能找到的網格模式。）

約翰霍普金斯大學神經學家Francesco Savelli和James Knierim也在同期《Nature》上發表了題為《AI mimics brain codes for navigation》的新聞評述，贊嘆道：

It is interesting that the network， starting from very general computational assumptions that do not take into account specific biological mechanisms， found a solution to path integration that seems similar to the brain’s． That the network converged on such a solution is compelling evidencethat there is something special about grid cells’activity patterns that supports path integration．

（有趣的是，神經網絡沒有考慮到特定的生物機制，而是從非常普遍的計算假設開始，卻找到了與大腦相似的路徑集成解決方案。 這是一項有說服力的證據，證明網格模式確實有助于（人類）導航。）

顯然，所有人都驚嘆于AI的強大，驚嘆于其可以讓簡單的數學公式變成復雜生物模型的“才華”。