美国东部时间5月9日，《Nature》在线发表了一篇AI研究成果论文，在神经学和人工智能领域引起了轰动。这篇论文由英国DeepMind团队（阿法狗和阿法元的开发者）与University College London（伦敦大学学院）合著。
这篇高度抽象的论文背后，隐含着的是一个事实：AI已经可以生成“网格细胞”的功能，实现像人类一样自动追踪。要知道，网格细胞是人类进化亿万年才有的生命杰作。
虽然千万年来，动物和人类可以轻松的在自然空间中避障、走路，但是其认知和计算基础一直都是不明了的。
直到Edvard Moser发现了网格细胞，一种帮助人类（或动物）认路的细胞。也因此，他于2014年获得了诺贝尔生理学或医学奖。
网格细胞，是存在动物大脑中的一种细胞，存在于内嗅皮层，具有显著的空间放电特征，并呈现出网格图样的放电结构。
在最新的这篇论文研究中，伦敦大学学院和DeepMind联合开发的AI模拟系统能自动生成与大脑细胞活动非常相似的网格模式，并帮助小鼠自动找到捷径。
更令人惊讶的是，在实验中，计算机模拟大鼠可以通过类网格细胞编码在虚拟迷宫中很好的导航，甚至能找到走出迷宫的捷径！
这一成果的发布颠覆了此前AI技术和设计逻辑。因为对AI而言，只有通过数据训练走预设的路，而自己通过判断来决定行走的路径，这是不可能的事。
另一方面，这一成果也预示着，在人类科学家还没有完全研究出网格细胞功能的前提下，“黑匣子”AI已经替人类逼真模拟除了网格细胞。
对此，Edvard Moser就评价道：
This paper came out of the blue， like a shot， and it’s very exciting． It is striking that the computer model， coming from a totally different perspective， ended up with the grid pattern we know from biology．
（这篇论文的成果让人震惊和兴奋。令人惊讶的是，给计算机一个完全不同的角度，它就可以得出，我们只有通过生物研究才能找到的网格模式。）
约翰霍普金斯大学神经学家Francesco Savelli和James Knierim也在同期《Nature》上发表了题为《AI mimics brain codes for navigation》的新闻评述，赞叹道：
It is interesting that the network， starting from very general computational assumptions that do not take into account specific biological mechanisms， found a solution to path integration that seems similar to the brain’s． That the network converged on such a solution is compelling evidencethat there is something special about grid cells’activity patterns that supports path integration．
（有趣的是，神经网络没有考虑到特定的生物机制，而是从非常普遍的计算假设开始，却找到了与大脑相似的路径集成解决方案。 这是一项有说服力的证据，证明网格模式确实有助于（人类）导航。）
显然，所有人都惊叹于AI的强大，惊叹于其可以让简单的数学公式变成复杂生物模型的“才华”。
