科技日?qǐng)?bào)北京6月30日電 (記者張夢(mèng)然)幾乎所有支持現(xiàn)代人工智能(AI)工具的神經(jīng)網(wǎng)絡(luò)都是基于20世紀(jì)60年代的活體神經(jīng)元計(jì)算模型。但美國(guó)西蒙斯基金會(huì)熨斗研究所計(jì)算神經(jīng)科學(xué)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(shí)神經(jīng)元所擁有的所有計(jì)算能力,并且這種較舊的模型可能會(huì)阻礙AI的發(fā)展。研究發(fā)表在新一期《美國(guó)國(guó)家科學(xué)院院刊》上。
CCN模型開發(fā)者認(rèn)為,單個(gè)神經(jīng)元對(duì)周圍環(huán)境的控制力遠(yuǎn)比以前認(rèn)為的要大。更新后的神經(jīng)元模型最終可能會(huì)產(chǎn)生更強(qiáng)大的人工神經(jīng)網(wǎng)絡(luò),更好地捕捉人類大腦的力量。
“神經(jīng)科學(xué)在過去60年中取得了長(zhǎng)足進(jìn)步,我們現(xiàn)在認(rèn)識(shí)到,以前的神經(jīng)元模型還很初級(jí)?!眻F(tuán)隊(duì)負(fù)責(zé)人德米特里·奇克洛夫斯基表示,真實(shí)神經(jīng)元比這個(gè)過于簡(jiǎn)化的模型要復(fù)雜得多,也“聰明”得多。
人工神經(jīng)網(wǎng)絡(luò)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(jiǎn)單。這些網(wǎng)絡(luò)基于20世紀(jì)60年代的神經(jīng)元模型,由有序的節(jié)點(diǎn)層構(gòu)成。網(wǎng)絡(luò)從接收信息的輸入層節(jié)點(diǎn)開始,然后是處理信息的中間層節(jié)點(diǎn),最后是發(fā)送結(jié)果的輸出層節(jié)點(diǎn)。
通常,只有當(dāng)節(jié)點(diǎn)從上一層節(jié)點(diǎn)接收到的總輸入超過某個(gè)閾值時(shí),它才會(huì)將信息傳遞到下一層。在訓(xùn)練當(dāng)前的人工神經(jīng)網(wǎng)絡(luò)時(shí),信息只能沿一個(gè)方向通過節(jié)點(diǎn),節(jié)點(diǎn)無法影響它們從鏈中較早的節(jié)點(diǎn)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?yàn)槿祟惸X細(xì)胞不僅能被動(dòng)地傳遞輸入信息,實(shí)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(rèn)為,這種更為現(xiàn)實(shí)的神經(jīng)元控制器模型,可能是提高許多機(jī)器學(xué)習(xí)應(yīng)用性能和效率的重要一步。
【總編輯圈點(diǎn)】
盡管當(dāng)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(shí)則胡說八道”的答案,又譬如訓(xùn)練它們需要耗費(fèi)大量能源。而所有這些問題,人類大腦在工作時(shí)都可避免。將神經(jīng)元作為控制器的靈感也正源于此?,F(xiàn)在,科學(xué)家力圖“復(fù)制”更真實(shí)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(gòu)建出更好的AI。
(責(zé)任編輯:蔡文斌)