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。
更多资讯或合作欢迎关注中国经济网官方微信(名称:中国经济网,id:ourcecn)