大家是不是常听到艺术家、科学家常常从大自然中获得灵感？美国麻省理工学院（MIT）电脑科学与人工智慧实验室 (CSAIL) 科学家在思考下一代的 AI 时，再度向生物取了一次经，设计出了液体神经网路（Liquid Neural Networks，LNN）。
这是一种模拟生物大脑中的突触与神经元，可以不断适应新资料输入的 AI 模型。当模型接受新资料时，LNN 处理这些资料的虚拟突触会启动神经元传递、处理资料，就跟生物神经元藉由化学物质，在不同突触间形成电流传导一样。
MIT 科学家 Ramin Hasani 表示目前模拟的是秀丽隐杆线虫的神经网路，具有 302 个神经元和 8000 组突触连接，不要小看好像很少，Ramin Hasani 表示光是这样就足以产生出乎意料的复杂动力学。
最近他们为了印证 LNN 的潜力，特别把 LNN 跟其他三种神经网路模型安装在一台无人机上，测试这些模型在完全陌生的环境下进行飞向目标、压力测试、绕目标旋转、动态目标跟踪等实验。
结果发现 LNN 压胜其他模型，与传统神经网络相比，LNN 偏离飞行路线的状况更少，甚至在飞向目标的成功率高达 90% 以上。
MIT 科学家表示比起传统神经模型，LNN 更适合直接从非结构化、未标记的资料中学习并作出反应；不只如此，比起其他传统模型最终运行过程都像「黑盒子」难以判别怎麽做出结论，程度上科学家可以从 LNN 传递资料的形式更能理解 AI 做出决策的过程。
这次实验就是很好的例子，科学家就观察到 LNN 可以从视觉输入中直接锁定给与的任务目标，并丢弃不相关的特徵来进一步提升准确率，这也让有 LNN 的无人机更不怕突然下雨、刮风，对突然其来或混乱的资料更具适应力。
核稿编辑：Jocelyn