科技日報記者?張夢然
幾乎所有支持現(xiàn)代人工智能（AI）工具的神經(jīng)網(wǎng)絡都是基于20世紀60年代的活體神經(jīng)元計算模型。但美國西蒙斯基金會熨斗研究所計算神經(jīng)科學中心（CCN）開發(fā)的新模型表明，這種已有數(shù)十年歷史的近似模型，并未捕捉到真實神經(jīng)元所擁有的所有計算能力，并且這種較舊的模型可能會阻礙AI的發(fā)展。研究發(fā)表在新一期《美國國家科學院院刊》上。
數(shù)字手與人手相互繪制圖畫（藝術圖）。
圖片來源：西蒙斯基金會
CCN模型開發(fā)者認為，單個神經(jīng)元對周圍環(huán)境的控制力遠比以前認為的要大。更新后的神經(jīng)元模型最終可能會產(chǎn)生更強大的人工神經(jīng)網(wǎng)絡，更好地捕捉人類大腦的力量。
“神經(jīng)科學在過去60年中取得了長足進步，我們現(xiàn)在認識到，以前的神經(jīng)元模型還很初級?！眻F隊負責人德米特里·奇克洛夫斯基表示，真實神經(jīng)元比這個過于簡化的模型要復雜得多，也“聰明”得多。
人工神經(jīng)網(wǎng)絡旨在模仿人類大腦處理信息和做出決策的方式，但所呈現(xiàn)的方式還很簡單。這些網(wǎng)絡基于20世紀60年代的神經(jīng)元模型，由有序的節(jié)點層構成。網(wǎng)絡從接收信息的輸入層節(jié)點開始，然后是處理信息的中間層節(jié)點，最后是發(fā)送結果的輸出層節(jié)點。
通常，只有當節(jié)點從上一層節(jié)點接收到的總輸入超過某個閾值時，它才會將信息傳遞到下一層。在訓練當前的人工神經(jīng)網(wǎng)絡時，信息只能沿一個方向通過節(jié)點，節(jié)點無法影響它們從鏈中較早的節(jié)點接收到的信息。
相比之下，新模型將神經(jīng)元視為微小的“控制器”（指能夠根據(jù)收集到的信息來影響周圍環(huán)境的器件），因為人類腦細胞不僅能被動地傳遞輸入信息，實際上它們還可控制其他神經(jīng)元的狀態(tài)。
奇克洛夫斯基認為，這種更為現(xiàn)實的神經(jīng)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。
總編輯圈點：
盡管當前AI的成就令人矚目，但仍存在許多問題。譬如給你“看似一本正經(jīng)，實則胡說八道”的答案，又譬如訓練它們需要耗費大量能源。而所有這些問題，人類大腦在工作時都可避免。將神經(jīng)元作為控制器的靈感也正源于此。現(xiàn)在，科學家力圖“復制”更真實的神經(jīng)元功能，如果人們能更好地模仿大腦的穩(wěn)定與高效，無疑也可以構建出更好的AI。
