新的大脑学习机制要求修订长期神经科学假说
大脑是一个复杂的网络,其中包含数十亿的神经元。这些神经元沟通与其他成千上万的人同时通过突触(链接),并收集传入信号通过一些非常长,分支“武器”,称为树突树。
过去70年神经科学的核心假设是,大脑学习发生时通过修改突触的强度,其连接神经元的相对发射活动。这个假设被机器和深度学习算法的基础越来越影响我们生活的几乎所有方面。但经过七年,这持久的假说已经被质疑。
在今天发表的一篇文章科学报告,以色列巴伊兰大学的研究人员发现,大脑学习完全不同于20世纪以来一直承担。新的实验观测表明,学习主要表现在神经元树突树,树干和树枝上修改他们的力量,而不是仅仅修改突触的强度(树突叶子),像以前认为的。这些观察结果也表明,神经元实际上是一个更复杂的,动态的和计算元素比二进制元素能火。只有一个单一的神经元可以实现深入学习算法,之前需要一个人工复杂网络包括成千上万的神经元和突触连接。
“我们已经表明,高效学习单一神经元的树突树可以人为实现手写数字识别成功率接近统一。这一发现为一种有效的生物铺平了道路的新型人工智能硬件和算法的启发,”教授伊多坎特表示,依兰的物理系和Gonda大脑(Goldschmied)多学科研究中心,谁领导了这项研究。“这个简化学习机制是生物实现一步一个似是而非的反向传播算法,目前中央技术在人工智能”期刊Hodassman,博士生和这项工作的一个关键因素。
树突树的高效学习是基于肯特和他的研究小组的实验证据sub-dendritic适应使用神经文化,与其他各向异性的性质神经元,就像不同的波形,耐火时间和最大传输速率。
大脑的生物钟比现有的并行gpu慢十亿倍,但随着可比在许多知觉任务成功率。
高效学习的新示范树突树要求的新方法大脑研究以及对应的生成目标硬件实现先进的人工智能算法。如果一个人可以实现减缓大脑动态超速的电脑上,没有限制。
进一步探索
Shira Sardi et al,丰富非线性自适应节点合作学习超越传统适应链接,科学报告(2018)。DOI: 10.1038 / s41598 - 018 - 23471 - 7
Shira Sardi et al,新类型的实验表明,神经元阈值函数作为多个独立的单位,科学报告(2017)。DOI: 10.1038 / s41598 - 017 - 18363 - 1
Shira Sardi et al,各向异性绝对耐火时间快速增长时期可靠的响应能力,物理评论E(2022)。DOI: 10.1103 / PhysRevE.105.014401
Roni Vardi et al,显著的各向异性神经不应期可塑性,EPL (Europhysics字母)(2021)。0295 - 5075 . DOI: 10.1209 / / ac177a
Roni Vardi et al,快速可逆的学习基于神经元功能各向异性复合中心,EPL (Europhysics字母)(2017)。0295 - 5075/118/46002 DOI: 10.1209 /
