新的大腦學習機制呼吁修正長期存在的神經科學假設

大腦是一個包含數十億神經元的復雜網絡。這些神經元中的每一個都通過它們的突觸(鏈接)與數千個其他神經元同時通信，并通過幾個極長的分支“臂”收集輸入信號，稱為樹突樹。

在過去的 70 年里，神經科學的一個核心假設是，大腦學習是通過改變突觸的強度，跟隨其連接神經元的相對放電活動而發(fā)生的。這個假設一直是機器和深度學習算法的基礎，這些算法越來越影響我們生活的幾乎所有方面。但七年之后，這個長期存在的假設現在受到質疑。

在今天發(fā)表在《科學報告》上的一篇文章中，以色列巴伊蘭大學的研究人員揭示，大腦的學習方式與 20 世紀以來的假設完全不同。新的實驗觀察表明，學習主要在神經元樹突樹中進行，樹的樹干和樹枝會改變它們的強度，而不是像以前認為的那樣只改變突觸(樹突葉)的強度。這些觀察結果還表明，神經元實際上是一個比可以觸發(fā)或不觸發(fā)的二進制元素更復雜、動態(tài)和計算的元素。只需一個神經元就可以實現深度學習算法，這在以前需要人工復雜的網絡。由數千個連接的神經元和突觸組成。

“我們已經證明，對單個神經元的樹突樹進行有效學習可以人為地實現接近統(tǒng)一的手寫數字識別成功率。這一發(fā)現為高效的受生物啟發(fā)的新型人工智能硬件和算法鋪平了道路，”Ido 教授說Bar-Ilan 物理系和 Gonda (Goldschmied) 多學科腦研究中心的 Kanter 領導了這項研究。“這種簡化的學習機制代表著朝著合理的生物學實現反向傳播算法邁出了一步，反向傳播算法目前是人工智能的核心技術，”博士 Shiri Hodassman 補充道。學生和這項工作的主要貢獻者之一。

標簽：