想象一下你在一个不知名的小镇中间。即使您的周围环境一开始并不熟悉，您也可以探索周围并最终创建您环境的心理地图，其中建筑物、街道、标志等彼此相关。这种在大脑中构建空间地图的能力是人类更高级认知类型的基础：例如，理论上语言是在大脑中的类似地图的结构中编码的。

对于所有尖端的人工智能和神经网络他们可以做到，但他们不能凭空建造地图。

“有一种感觉，即使是最先进的人工智能模型仍然不是真正的智能，”计算生物学助理教授兼传统医学研究所研究员马特·汤姆森说。“他们不像我们那样解决问题；他们无法证明未经证实的数学结果或生成新想法。

“我们认为这是因为他们无法在概念空间中导航；解决复杂的问题就像在一个概念空间中移动，就像导航一样。人工智能的作用更像是死记硬背——你给它一个输入，它就会给你一个回应。但它无法综合不同的想法。”

汤姆森实验室的一篇新论文发现，神经网络可以设计为使用一种称为预测编码的算法来构建空间地图。这张纸是发表在日记中自然机器智能7月18日。

由研究生 James Gornet 领导，在《我的世界》游戏中构建了两个环境，融合了树木、河流和洞穴等复杂元素。他们录制了玩家随机穿越该区域的视频，并使用该视频来训练配备预测编码算法的神经网络。

他们发现神经网络能够学习《我的世界》世界中的对象如何相对于彼此进行组织，并能够“预测”在空间中移动时会出现什么环境。

更重要的是，该团队“打开”了神经网络（相当于“在引擎盖下进行检查”的编码），并看到各种对象的表示是相对于彼此在空间上存储的——换句话说，他们看到了一张地图存储在神经网络中的 Minecraft 环境。

神经网络可以导航人类设计师提供给它们的地图，例如使用 GPS 的自动驾驶汽车，但这是神经网络第一次被证明可以创建自己的地图。这种空间存储和组织信息的能力最终可以帮助神经网络变得“更聪明”，使它们能够像人类一样解决真正复杂的问题。

Gornet 是加州理工学院计算与神经系统 (CNS) 系的学生，该系涵盖神经科学、机器学习、数学、统计学和生物学。

“CNS 项目确实为詹姆斯提供了一个从事其他地方不可能完成的独特工作的地方，”汤姆森说。“我们正在采取仿生方法机器学习这使我们能够对大脑的特性进行逆向工程人工神经网络，我们希望依次了解大脑。在加州理工学院，我们有一个非常愿意接受此类工作的社区。”