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

百欧博伟生物

2024/08/30 15:59

阅读：3

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

百欧博伟生物：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。

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。

北京百欧博伟生物技术有限公司的微生物菌种查询网提供微生物菌种保藏、测序、购买等服务,是中国微生物菌种保藏中心的服务平台，并且是集微生物菌种、菌种,ATCC菌种、细胞、培养基为一体的大型微生物查询类网站，自设设备及技术的微生物菌种保藏中心！欢迎广大客户来询！