几乎所有为ChatGPT等现代人工智能工具提供动力的神经网络都是基于20世纪60年代的活神经元计算模型。熨斗研究所计算神经科学中心(CCN)开发的一个新模型表明,这种几十年前的近似方法并不能捕捉到真实神经元所拥有的所有计算能力,而且这种旧模型可能会阻碍人工智能的发展
CCN开发的新模型认为,单个神经元对周围环境的控制比以前想象的要多。模型开发人员表示,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,更好地捕捉我们大脑的力量
研究人员在《美国国家科学院院刊》上发表的一篇论文中介绍了该模型
“神经科学在过去的60年里取得了长足的进步,我们现在认识到以前的神经元模型相当初级,”CCN的小组组长、新论文的高级作者Dmitri Chklovski说。“神经元是一种比这种过于简化的模型更复杂、更智能的设备。”
人工神经网络旨在模仿人脑处理信息和做出决策的方式,尽管方式要简化得多。这些网络是基于20世纪60年代的神经元模型由有序的“节点”层构建的。网络从接收信息的节点输入层开始,然后有处理信息的节点中间层,然后以发送结果的节点输出层结束
通常,只有当节点从上一层的节点接收到的总输入超过某个阈值时,节点才会将信息传递给下一层。当训练当前的人工神经网络时,信息只在一个方向上通过一个节点,节点无法影响它们从链中早期节点接收到的信息
相比之下,新发布的模型将神经元视为微小的“控制器”,这是一个工程术语,指的是可以根据收集到的周围信息影响周围环境的设备。不仅仅是被动的输入中继,我们的脑细胞实际上可能会控制其同伴神经元的状态
“尽管人工智能的成就令人印象深刻,但仍存在许多问题,”他说。“目前的应用程序可能会给你错误的答案,或者产生幻觉,训练它们需要大量的能量;它们非常昂贵。人类大脑似乎可以避免所有这些问题。如果我们了解大脑实际上是如何做到这一点的,我们可以构建更好的人工智能。”
神经元即控制器模型的灵感来自科学家对大脑中由许多神经元组成的大规模电路的理解。大多数大脑回路被认为是被组织成反馈回路的,在反馈回路中,处理链中较晚的细胞会影响处理链中较早发生的事情。就像恒温器维持房屋或建筑物的温度一样,大脑回路需要保持自身稳定,以避免活动使身体系统不堪重负
The neuron-as-controller model was inspired by what scientists do understand about large-scale circuits in the brain made up of many neurons. Most brain circuits are thought to be organized into feedback loops, where cells later in the processing chain influence what happens earlier in the chain. Much like a thermostat maintaining the temperature of a house or building, brain circuits need to keep themselves stable to avoid overwhelming the body's system with activity.
想要了解更多关于脑机接口技术的内容,请关注脑机网,我们将定期发布最新的研究成果和应用案例,让您第一时间了解脑机接口技术的最新进展。