爱游戏NeuroAI 读书会启动：探索神经科学与人工智能的前沿交叉领域

　　爱游戏爱游戏爱游戏公众号文章：以翻译整理或者原创生产形式生产公众号文章，以介绍前沿进展。例如：

　　PS：具体参与方式可以加入读书会后查看对应的共创任务列表，领取任务，与运营负责人沟通详情，上述规则的最终解释权归集智俱乐部所有。

　　这篇文献是发起人老师鲍平磊2020年的一项研究，利用深度网络对物体识别区域功能组织原则的探索。

　　这篇文献研究发现前馈网络可能并不足够描述腹侧通路，可能还需要循环神经网络。

　　这篇文献使用深度生成网络进化的神经元图像揭示了视觉编码原理和神经元偏好。

　　这篇文献是早期将神经网络应用于语言的经典工作。仅仅通过预测下一个字的训练任务，RNN模型能够获得对不同词类和语境信息的特异表征。

　　这两篇文献报告了在当前的大规模自监督预训练语言模型中提取关于语言结构的句法表征。

　　这三篇文献从多个方面比较了从多模态脑影像数据中提取的人类语言表征与预训练语言模型的语言表征，发现能够更好地完成预测下一个字的语言模型，也能更好地拟合大脑进行语言加工的神经活动。

　　这篇文献是第一篇 DeepRL，展现了结合深度学习网络的表征能力和强化学习算法的灵活学习能力后的潜力，其中experience replay的运用在分离当前经验对学习的作用上非常关键。

　　这篇文献基于强化学习理论，给出了replay的计算模型，normative model，这个model可以解释很多老鼠身上replay的现象。

　　这篇文献同时从算法和神经层面提出了表征式强化学习的机制，简单而言，即不同 neuron 编码不同的value，所有neuron一起编码了value的分布——这种表征可以极大地提高人工智能体的performance，也是生物体多巴胺神经元的表征机制。

　　这篇文献是发表在Cell上的一篇关于机器学习模型揭示大脑怎样整合空间记忆与关系记忆的文章（

　　这篇文献基于海马-内嗅皮层的架构和学习机理，提出了学习和泛化的计算模型，将目前预训练语言模型Transformer架构的表征方式与人类海马体的表征方式在数学上进行关联比较，为解释Transformer的biological plausibility提供崭新视角。

　　这篇文献提出一种类似于HMM的海马计算模型，相对于TEM，其好处是更快的学习；坏处是难以分析结构泛化的机制和神经表征。

　　成立于2016年，专注于神经科学、认知科学和精神病学等领域的深度报道和前沿解读。神经现实正在积极促进公众理解/参与科学这一目标，并致力于推动学界的跨学科融合，旨在为脑科学的知识普及和行业发展添砖加瓦。目前，神经现实在全球拥有超过300余名志愿者参与内容制作，全网订阅读者超过60万，并多次入选虎嗅网、科研圈等媒体机构评选的年度自媒体榜单。

　　读书会活动始于 2008 年，至今已经有 50 余个主题，内容涵盖复杂系统、爱游戏人工智能、脑与意识、生命科学、因果科学、高阶网络等。凝聚了众多优秀科研工作者，促进了科研合作发表论文，孵化了许多科研产品。如：2013 年的深度学习读书会孕育了彩云天气 APP，2015 年的集体注意力流读书会产生了众包书籍《走近2050》，2020年的开始因果科学读书会孕育了全国最大的因果科学社区等。

　　双十一限时优惠：加入集智学园年费VIP，与6000+集智社区成员一起探索复杂性！