主讲人：高远翔 助理研究员（中国科学院理论物理研究所）

题目：神经网络系统空间学习与空间记忆理论与机制研究

时间：2023年04月15日（周六）上午10:00

会议ID：（腾讯会议）879-669-724

联系人：俞连春

报告摘要：

尽管人工智能的话题如今备受关注，但通往更好人工智能的“金钥匙”仍然隐藏在大脑中。本次报告将首先介绍近十余年来神经科学领域关于空间记忆和空间学习的一些具有启发性的实验发现。然后展示我们近期关于海马体空间记忆神经网络系统的理论建模工作。在此基础上，进一步展示纹状体神经网络系统进行空间奖励学习的理论建模工作，以及关于价值导向规划和决策行为涌现的初步理论模型。我们将提出的理论模型实现在MuJoCo物理模拟器中的高保真虚拟白鼠中。实验显示，该虚拟白鼠的学习效率超过100倍快于使用深度Q网络(DQN)模型的虚拟白鼠，并显示出类似于真实白鼠行为的灵活性，还近似复现了白鼠大脑的主要神经活动模式。最后还将探讨把本理论从低维物理空间推广到高维概念空间的可能性以及未来工作展望。通过本次报告，希望初步阐明将神经科学领域对学习、记忆和动机的先进理解融入人工智能的设计环，对于构建与动物行为表现相匹配的人工智能非常重要。

个人简介：

高远翔，中国科学院理论物理研究所助理研究员。2014年获电子科技大学信息工程学士学位，2022年获电子科技大学通信与信息系统博士学位。2017年至2018年在加拿大多伦多大学电子与计算机科学系访学。现主要从事神经网络系统空间学习和空间记忆理论方向研究，攻博期间也从事大数据集群网络资源分配优化、深度强化学习等方向研究，具有较丰富的跨学科研究经历。在机器学习会议ICML、NeuRIPS，通信领域会议ICC、GLOBECOM, 计算神经科学期刊Frontiers in Computational Neuroscience等发表论文数篇，谷歌学术上引用总数为126。