“复制”脑细胞控制环境的能力 神经元新计算模型或产生更强大AI
科技日报 / 2024-07-01 11:20:18
几乎所有支持现代人工智能（AI）工具的神经网络都是基于20世纪60年代的活体神经元计算模型。但美国西蒙斯基金会熨斗研究所计算神经科学中心（CCN）开发的新模型表明，这种已有数十年历史的近似模型，并未捕捉到真实神经元所拥有的所有计算能力，并且这种较旧的模型可能会阻碍AI的发展。研究发表在新一期《美国国家科学院院刊》上。
CCN模型开发者认为，单个神经元对周围环境的控制力远比以前认为的要大。更新后的神经元模型最终可能会产生更强大的人工神经网络，更好地捕捉人类大脑的力量。
“神经科学在过去60年中取得了长足进步，我们现在认识到，以前的神经元模型还很初级。”团队负责人德米特里·奇克洛夫斯基表示，真实神经元比这个过于简化的模型要复杂得多，也“聪明”得多。
人工神经网络旨在模仿人类大脑处理信息和做出决策的方式，但所呈现的方式还很简单。这些网络基于20世纪60年代的神经元模型，由有序的节点层构成。网络从接收信息的输入层节点开始，然后是处理信息的中间层节点，最后是发送结果的输出层节点。
通常，只有当节点从上一层节点接收到的总输入超过某个阈值时，它才会将信息传递到下一层。在训练当前的人工神经网络时，信息只能沿一个方向通过节点，节点无法影响它们从链中较早的节点接收到的信息。
相比之下，新模型将神经元视为微小的“控制器”（指能够根据收集到的信息来影响周围环境的器件），因为人类脑细胞不仅能被动地传递输入信息，实际上它们还可控制其他神经元的状态。
奇克洛夫斯基认为，这种更为现实的神经元控制器模型，可能是提高许多机器学习应用性能和效率的重要一步。
【总编辑圈点】
尽管当前AI的成就令人瞩目，但仍存在许多问题。譬如给你“看似一本正经，实则胡说八道”的答案，又譬如训练它们需要耗费大量能源。而所有这些问题，人类大脑在工作时都可避免。将神经元作为控制器的灵感也正源于此。现在，科学家力图“复制”更真实的神经元功能，如果人们能更好地模仿大脑的稳定与高效，无疑也可以构建出更好的AI。
免责声明： 1. 本文转自网络/其他媒体，转载目的在于传递更多信息供参考，非商业用途。 2.. 本文仅代表原作者观点，与[经济形势报告网]无关。内容真实性、准确性未经核实，读者据此操作风险自担。 3. 如涉及版权问题，请权利人第一时间通过[邮箱/电话]联系我们，我们将立即删除。 4. 转载时禁止篡改内容或用于违法用途。5. 本声明最终解释权归[经济形势报告网]所有。
1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；
2.本站的原创文章，请转载时务必注明文章作者和"来源"，不尊重原创的行为本站或将追究责任；
最新新闻
热点文章
