在人工智能領(lǐng)域，神經(jīng)網(wǎng)絡(luò)的發(fā)明顯然是受到了生物神經(jīng)網(wǎng)絡(luò)的啟發(fā)，但是大腦里的學(xué)習(xí)過(guò)程真的和計(jì)算機(jī)中的算法一樣嗎?如果研究人員能夠解答這一問(wèn)題，也許可以發(fā)展出更加強(qiáng)大的深度學(xué)習(xí)模型，并進(jìn)一步了解人類的智能。

經(jīng)濟(jì)日?qǐng)?bào)-中國(guó)經(jīng)濟(jì)網(wǎng)科技頻道了解到近日研究人員發(fā)表論文，表示他們發(fā)現(xiàn)一種算法，可以利用哺乳動(dòng)物的神經(jīng)元進(jìn)行深度學(xué)習(xí)。而且他們的實(shí)驗(yàn)也用一種更接近生物學(xué)的方法，展示了真實(shí)的大腦如何進(jìn)行深度學(xué)習(xí)，甚至有望幫助解釋大腦如何演化出了“學(xué)習(xí)”的能力。

實(shí)驗(yàn)選用了小鼠大腦新皮質(zhì)的樹(shù)突細(xì)胞。新皮質(zhì)腦區(qū)負(fù)責(zé)高等功能，例如知覺(jué)、運(yùn)動(dòng)指令的產(chǎn)生，同時(shí)這部分也與空間推理、意識(shí)及語(yǔ)言有關(guān)。而樹(shù)突則是從神經(jīng)元細(xì)胞本體發(fā)出的多分支突起，其形狀和樹(shù)木類似。樹(shù)突是神經(jīng)元的輸入通道，將從其他神經(jīng)元接收到的動(dòng)作信號(hào)傳送至細(xì)胞本體。

研究人員利用這些神經(jīng)元的基本知識(shí)構(gòu)建了一個(gè)叫“多屋神經(jīng)網(wǎng)絡(luò)”模型，在這個(gè)網(wǎng)絡(luò)中神經(jīng)元都在隔開(kāi)的“屋”里接收信號(hào)。由于被隔開(kāi)了，所以不同層的模擬神經(jīng)元可以協(xié)作起來(lái)，實(shí)現(xiàn)深度學(xué)習(xí)。

將這樣的設(shè)計(jì)付諸實(shí)踐后，研究人員發(fā)現(xiàn)再識(shí)別手寫數(shù)字時(shí)，這類設(shè)計(jì)明顯好于單層的網(wǎng)絡(luò)。算法能利用多層網(wǎng)絡(luò)結(jié)構(gòu)識(shí)別高杰表示是深度學(xué)習(xí)的核心標(biāo)志。這就意味著如果我們對(duì)小鼠大腦神經(jīng)元的理解是正確的，那么小鼠大腦神經(jīng)元跟人工神經(jīng)元一樣都能進(jìn)行深度學(xué)習(xí)。

雖然這僅僅是一組模擬，并不能準(zhǔn)確的表現(xiàn)出大腦究竟是怎么工作的，但是如果大腦可以使用人工智能正在使用的算法，那么絕對(duì)值得進(jìn)一步研究。

盡管很多人相信深度學(xué)習(xí)模型在一定程度上準(zhǔn)確反映了人類大腦的工作機(jī)制，但是要證明這一想法還有很多挑戰(zhàn)。第一點(diǎn)就是深度學(xué)習(xí)目前還無(wú)法達(dá)到人類大腦的水平，這就很難模擬人類大腦的運(yùn)行機(jī)制。其次深度學(xué)習(xí)算法和目前的神經(jīng)生物學(xué)事實(shí)相矛盾。目前研究人員正在積極尋求彌合神經(jīng)科學(xué)和人工智能之間差距的方法。

樹(shù)狀新皮質(zhì)細(xì)胞僅僅是大腦中許多細(xì)胞類型中的一種。未來(lái)的研究會(huì)模擬不同類型的大腦細(xì)胞，并研究它們是如何通過(guò)相互作用實(shí)現(xiàn)深度學(xué)習(xí)的。樂(lè)觀的看，接下來(lái)的十年間，人們很有可能看到神經(jīng)科學(xué)與人工智能之間真正的良性循環(huán)：神經(jīng)科學(xué)的發(fā)現(xiàn)推動(dòng)新人工智能的開(kāi)發(fā);人工智能的算法幫助人們解釋和理解神經(jīng)方面的實(shí)驗(yàn)數(shù)據(jù)。