數字手與人手相互繪製圖畫(藝術圖)。圖片來源:西蒙斯基金會
幾乎所有支援現代人工智慧(AI)工具的神經網路都是基於20世紀60年代的活體神經元計算模型。但美國西蒙斯基金會熨斗研究所計算神經科學中心(CCN)開發的新模型表明,這種已有數十年曆史的近似模型,並未捕捉到真實神經元所擁有的所有計算能力,並且這種較舊的模型可能會阻礙AI的發展。研究發表在新一期《美國國家科學院院刊》上。
CCN模型開發者認為,單個神經元對周圍環境的控制力遠比以前認為的要大。更新後的神經元模型最終可能會産生更強大的人工神經網路,更好地捕捉人類大腦的力量。
“神經科學在過去60年中取得了長足進步,我們現在認識到,以前的神經元模型還很初級。”團隊負責人德米特裏·奇克洛夫斯基表示,真實神經元比這個過於簡化的模型要複雜得多,也“聰明”得多。
人工神經網路旨在模倣人類大腦處理資訊和做出決策的方式,但所呈現的方式還很簡單。這些網路基於20世紀60年代的神經元模型,由有序的節點層構成。網路從接收資訊的輸入層節點開始,然後是處理資訊的中間層節點,最後是發送結果的輸出層節點。
通常,只有當節點從上一層節點接收到的總輸入超過某個閾值時,它才會將資訊傳遞到下一層。在訓練當前的人工神經網路時,資訊只能沿一個方向通過節點,節點無法影響它們從鏈中較早的節點接收到的資訊。
相比之下,新模型將神經元視為微小的“控制器”(指能夠根據收集到的資訊來影響周圍環境的器件),因為人類腦細胞不僅能被動地傳遞輸入資訊,實際上它們還可控制其他神經元的狀態。
奇克洛夫斯基認為,這種更為現實的神經元控制器模型,可能是提高許多機器學習應用性能和效率的重要一步。
(責任編輯:畢安吉)