神经元新计算模型或产生更强大AI

数字手与人手相互绘制图画(艺术图)。图片来源:西蒙斯基金会

  科技日报北京 6 月 30 日电 (记者张梦然)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。