神经元新计算模型或产生更强大

来源：科技日报

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

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，神经元新计算模型或产生更强大可能是提高许多机器学习应用性能和效率的重要一步。