在Google人工智慧（AI）電腦棋手AlphaGo以4比1的佳績擊敗世界圍棋冠軍後，世界各地一方面讚嘆AI發展的神速，同時也擔心人類總有一天將被取代，現在，英國神經學家提出，AI下一步可朝自主搭地鐵邁進。
延伸閱讀：《張經緯觀點：AlphaGo人機大戰告我們哪些事？》
大腦中的處理層級
英國廣播公司（BBC）於18日報導，神經學家發現，當人腦在處理不同的事情時，我們會將它們分成不同層級，再指派給大腦內不同的部分。以轉乘不同地鐵線為例，大腦中某一部分特定的皮質（cortex）會有活躍的反應，但其他部位只會因為我們快要到達目的地了而做出反應，研究成果刊登在最新一期的《神經元》（Neuron）期刊中。
What AI can learn from Tube passengers. By @jjbw https://t.co/XkIbktGoRy
— Paul Rincon (@rincon_p) May 18, 2016
這項研究是由牛津大學（University of Oxford）和發明出AlphaGo的Google旗下公司DeepMind合作，在他們聲明中提到：「當機器在學習時，開發者會讓AI針對單一行動計算出所有的可能性，但我們人類無法，我們必須非常立即的計畫跟執行。」「因此人腦才會製造出不同的層級，去整理我們的反應，並針對更高層級的後續行動做反應，不僅僅是針對單一行動。」
#Google #DeepMind for #MachineLearning Explained Self Adapting #AI https://t.co/WU4tFobkA2 pic.twitter.com/x0k2XYO3vx
— Bryan Downing (@quantlabs) 2016年5月12日
這就像是我們搭捷運一樣，假設今天我們需要換線才能到家，我們就不會只去思考如何到達換線的站，而是去思考更後面的如何抵達最終目的地。
你今天要怎麼坐地鐵回家？
目前正在牛津就讀博士，同時也是DeepMind團隊的巴拉格爾（Jan Balaguer）說：「這次研究的目的，就是想要了解人類或動物是如何下長遠的決定」「我們對AI在面對困難，和現實世界問題時的解決方法很感興趣，常常讓我們在神經學研究上獲得啟發。」
在這次的實驗中，他們仿照真實生活中的倫敦地鐵，打造出一個假想的地鐵地圖，每條線用不同的顏色標示，每個「站」（stations）再用大點表示，有趣的是，當他們邀請受試者來玩這個遊戲（game）時，如果這趟旅程要求他們轉乘很多次，他們會花更多時間規劃，但如果是在相同顏色的線上，就算搭乘的站數遠比轉乘來得高，腦袋會花比較少的時間來處理。
How your brain learns to ride the subway -- and why AI developers care. https://t.co/J5WCEi0Ubv #DeepMind #OA pic.twitter.com/gI88HHNifK
— CellPressNews (@CellPressNews) 2016年5月18日
我們在現實生活中也常常面臨同樣的情況，像是如何煮出一道菜，或是計畫一場旅行，但他們使用的這個方式，是最直接也是最能立即刺激人腦做出反應的。
「聰明」的大腦
研究發現，在我們的腦袋中，某些部分甚至會一條線一條線的拆解、思考，像是平常抑制我們的原始情緒，如控制中心般的前額葉皮層（prefrontal cortex），它的內側區（dorsomedical），又稱作內側前額葉，專長就是處理我們的認知功能，在這裡會認真做計畫看是要怎麼搭車回家。
同時，我們的海馬迴（hippocampus）會認真思考從現在的地點，到家的距離會有多遠，而當我們真的快到家時，它也會做出活性反應（activity）。
Micro-needle insertion into hippocampus stimulates brain regeneration in animal model of AD https://t.co/wl0uu0NQsq #AI_News
— Alissa On (@_A_l_i_s_s_a_) 2016年4月27日
AI未來新目標
因此他們的研究總結出，人腦的確會將不同的事情像蓋金字塔一樣，層層疊疊，然後在思考時會優先考慮最上層的需求，就像是我們每次坐上捷運後，會恨不得可以趕快到家一樣。
雖然AlphaGo目前已成功在今年的圍棋比賽中打敗人類，但研究團隊認為，比起一步步的下棋，一次次的分開思考，這次的實驗更能表現出大腦是如何有層次的處理一件事，這件事也許困難或簡單，但其中更包含了多次不同的行動，更能體現出人腦的奧妙，也成為了他們想讓AI達成的新目標。
#DeepMind Neuroscience team published a great paper in Neuron on how the brain does hierarchical planning (+video): https://t.co/iJScPJVmjs
— DeepMind (@DeepMindAI) May 20, 2016
