機器人會得抑鬱症嗎？

來自專欄酷炫腦科學

一個人工智慧機器人得了抑鬱症，這樣的說法聽起來很荒謬，但人工智慧和人類大腦確實有一個共同的關鍵特徵。

目前全世界抑鬱症患者的數量已經超過 3.5 億，而且這個數字仍在上升。抑鬱症在我們看來是一種只有人類才會患上的疾病，但關於抑鬱症的一個全新的思考角度竟然來自人工智慧領域。如今 AI 的快速發展也要歸功於對人類大腦的研究，那 AI 會不會反過來給人類認識精神疾病帶來一點啟發呢？

計算神經科學研究的一個重要思想就是任何智能體，不論人類還是 AI，都要處理類似的事情，所以都需要相似的解決方案。任何形式的智能面對這個世界都需要構建一個模型來描述它的運作方式，這有助於它預測目標、制定計劃和採取行動。

對於智能系統而言，最關鍵的是要設定一個正確的學習速率。人對於世界的認知是基於多年的經驗建構而成的，但有時候一些事物瞬間就會發生翻天覆地的變化，比如到了一個陌生的國度，這就需要構建模型有比原先更大的靈活性（Flexibility）。對於 AI 來說，一個控制模型靈活性的全局參數，即權值更新的速度，我們稱之為「學習率（Learning rate）」。

人類患抑鬱的一個主要原因就是不能適應逆境。假設一個人因為一場意外事故而不幸身殘，他就需要學會用一個新的視角來審視自己和這個世界，如果他做不到這一點，也許就會患上抑鬱症。機器也可能面臨同樣的問題。想像一下，一個硬體出現故障的機器人，就需要學會用一種新的方法來掌握信息。如果它的學習速率不夠高，它就會缺乏改變演算法的靈活性。如果它受損嚴重，它甚至還可能需要更換新的目標。如果它不能去適應這樣新的情況，也許它就會放棄嘗試。

程序員可以很容易地修好一個「抑鬱」的 AI，只需要增加它的學習率。但是想像一下，一個 AI 如果被送到光年以外的其它星系，那它就需要自己來設定學習率了，而在這種情況下就有可能出錯。有人會認為解決這個問題的方式就是保持儘可能高的靈活性，但是太高的靈活性也是有代價的。如果學習率過高，AI 就會忘記以前學過的東西，而無法積累知識。如果目標太靈活，那它就會無所顧忌，常常因為新東西而分心。

人腦和 AI 一樣也有關鍵的全局變數，計算精神病學家稱之為「神經調節物」，這些「神經調節物」包括多巴胺和5-羥色胺（又叫血清素）。儘管這些高度集權的細胞群數量並不多，但是它們卻幾乎能將化學信息傳遞到整個大腦。

我們的實驗室研究和其它系列研究表明，大腦設定學習率的方式涉及5-羥色胺系統。在實驗中，如果我們教一隻老鼠完成一項需要遵循幾個規則的任務，然後突然改變規則，老鼠的血清素神經元就會出現強烈反應，它們彷彿在散布一個驚訝的信號：「 Oops，改換模式了！」當血清素在下游腦區釋放時，它們會提高大腦的可塑性或重構神經元突觸，尤其是修改神經迴路中過時的模型。

抗抑鬱葯通常是選擇性血清素再攝取抑製劑（SSRIs），它可以提高大腦中血清素的利用率。抗抑鬱葯往往被單純地描述為「幸福葯」，但這項研究表明，它們主要是通過提高大腦的可塑性來發揮作用的。果真如此的話，那麼擺脫抑鬱症將會從調節靈活性開始入手。

今天的 AI 還只是學習機器，它們高度專業化而且沒有自主權。當我們使用更加靈活的「一般 AI 」時，我們可以更好地了解它是怎樣出現故障的，這將有助於我們了解抑鬱症甚至是精神分裂症等疾病。

對於個體來說，之所以會抑鬱，不僅是因為在學習上遇到了困難，更重要的是因為經歷了一些痛苦，所以人們願意去關注這種疾病。對於一台機器來說，即使癥狀看似是抑鬱症，它們也可能不會有任何痛苦的感覺，但這並不意味著我們無法從機器身上尋找人類大腦可能出錯的原因。

作者 | Zachary Mainen

翻譯 | 蹦迪土撥鼠

本文翻譯自英國《衛報》，作者 Zachary Mainen 是美國冷泉港實驗室的一名神經科學家，主要研究大腦的決策機制。

想看更多文章，還可以在公眾號「酷炫腦」 搜索關鍵詞：

記憶、抑鬱、強迫症、上癮、睡眠、衰老、意識、專註力、發育、冥想、精神病、迷幻藥、智商、情商、抗壓、心理彈性