它受到人脑功能的启发，并基于一种称为神经调节的生物学机制，使智能制剂能够适应未知的情况
近年来，人工智能（A I）使高性能自动学习技术得以发展..然而，这些技术往往是逐个任务应用的，这意味着为一个任务训练的智能代理在其他任务上表现不佳，即使是非常相似的任务。为了克服这个问题，列日大学（U Liege）的研究人员开发了一种基于一种称为神经调节的生物机制的新算法。这种算法使得创建能够执行训练期间未遇到的任务的智能代理成为可能。这一新奇和非凡的结果是本周在杂志PLOSOne上提出的。
尽管近年来人工智能领域取得了巨大进展，但我们仍然离人类智能非常遥远。事实上，如果当前的人工智能技术允许训练计算机代理人在为他们专门训练时比人类更好地执行某些任务，那么当这些代理人被置于与训练期间所经历的条件（甚至略有不同）时，他们的表现往往是非常令人失望的。
人类能够非常有效地适应新的情况，利用他一生所获得的技能。例如，一个已经学会在客厅里走路的孩子也会很快学会在花园里走路。在这样的背景下，学会走路与突触可塑性有关，突触可塑性改变了神经元之间的联系，而在客厅学习的步行技能的快速适应需要在花园中行走的人则与神经调节有关。神经调节通过化学神经调节剂改变神经元本身的输入输出特性。
突触可塑性是人工智能所有最新进展的基础。然而，到目前为止，还没有任何科学工作提出将神经调节机制引入人工神经网络的方法。本周发表在《PLOS ON E》杂志上的这一非常异常的结果，是列日大学神经科学家和开发智能算法的人工智能研究人员之间极其富有成效的合作的结果。D.学生Nicolas Vecoven和Antoine Wehenkel以及两名教授Damien Ernst（人工智能专家）和Guillaume Drion（神经科学家）。
这些Uliege研究人员开发了一种完全原创的人工神经网络体系结构，引入了两个子网络之间的交互作用。第一个考虑到与要解决的任务有关的所有上下文信息，并根据这些信息，以大脑的化学神经调节剂的方式对第二个子网络进行神经模块。由于神经调节，这第二个子网络决定了智能代理要执行的动作，因此可以非常快地适应当前的任务。这使代理能够有效地解决新任务。
这种创新的体系结构已经成功地测试了导航问题的类别，这些问题是必要的适应。特别是，训练有素的特工人员在避开障碍物的同时，能够适应其行动受到变化极大的风向干扰的情况。
达米安·恩斯特教授说：“这项研究的新颖之处在于，神经科学中确定的认知机制首次在多任务环境中找到了算法应用。这项研究为人工智能中神经调节的开发开辟了前景，神经调节是人类大脑运作的关键机制。