Salk的研究效果

現(xiàn)在，Salk研究人員已經(jīng)使用大腦活動(dòng)的計(jì)算模型來(lái)比以往更準(zhǔn)確地模擬此過(guò)程。新模型模仿了大腦的前額葉皮層如何利用一種稱(chēng)為“門(mén)控”的現(xiàn)象來(lái)控制神經(jīng)元不同區(qū)域之間的信息流。它不僅為人腦提供了照明，而且還可以為新的人工智能程序的設(shè)計(jì)提供信息。

洛杉磯-(2020年12月16日)讓計(jì)算機(jī)像人類(lèi)一樣“思考”是人工智能的圣杯，但是人類(lèi)的大腦卻是難以遵循的行為。人腦是將以前學(xué)到的知識(shí)應(yīng)用于新情況并不斷完善所學(xué)知識(shí)的大師。這種自適應(yīng)能力很難在機(jī)器上復(fù)制。

Salk計(jì)算神經(jīng)生物學(xué)實(shí)驗(yàn)室負(fù)責(zé)人，該研究的高級(jí)作者Terrence Sejnowski說(shuō)：“如果我們能夠?qū)⒃撃Ｐ蛿U(kuò)展到更復(fù)雜的人工智能系統(tǒng)中，它可能會(huì)使這些系統(tǒng)更快地學(xué)習(xí)事物或找到解決問(wèn)題的新方法。”這項(xiàng)新工作于2020年11月24日在美國(guó)國(guó)家科學(xué)院院刊上發(fā)表。

人類(lèi)和其他哺乳動(dòng)物的大腦以快速處理刺激(例如視覺(jué)和聲音)并將任何新信息整合到大腦已經(jīng)知道的事物中的能力而聞名。長(zhǎng)期以來(lái)，這種將知識(shí)應(yīng)用于新情況并持續(xù)學(xué)習(xí)的靈活性一直是研究人員設(shè)計(jì)機(jī)器學(xué)習(xí)程序或人工大腦的目標(biāo)。從歷*看，當(dāng)一臺(tái)機(jī)器被教導(dǎo)要完成一項(xiàng)任務(wù)時(shí)，機(jī)器很難學(xué)習(xí)如何使這些知識(shí)適應(yīng)類(lèi)似的任務(wù)。取而代之的是，每個(gè)相關(guān)過(guò)程都必須單獨(dú)教授。

新的網(wǎng)絡(luò)不僅在威斯康星州卡片分類(lèi)任務(wù)中表現(xiàn)得像人類(lèi)一樣可靠，而且還模仿了某些患者中看到的錯(cuò)誤。移除模型的各個(gè)部分后，系統(tǒng)顯示出與前額葉皮質(zhì)受損患者(如外傷或癡呆癥所致)相同的錯(cuò)誤。

在當(dāng)前的研究中，Sejnowski的小組設(shè)計(jì)了一個(gè)新的計(jì)算模型框架，以復(fù)制前額葉皮層(負(fù)責(zé)決策和工作記憶的大腦區(qū)域)中的神經(jīng)元在認(rèn)知測(cè)試(稱(chēng)為威斯康星卡片分類(lèi)測(cè)試)中的行為。在此任務(wù)中，參與者必須按顏色，符號(hào)或數(shù)字對(duì)卡片進(jìn)行排序-并隨著卡片排序規(guī)則的變化不斷調(diào)整答案。該測(cè)試在研究上用于診斷癡呆癥和精神疾病，但也被人工智能研究人員用來(lái)評(píng)估他們的大腦計(jì)算模型可以復(fù)制人類(lèi)行為的程度。

前額葉皮層的先前模型在此任務(wù)上表現(xiàn)不佳。然而，Sejnowski團(tuán)隊(duì)的框架整合了神經(jīng)元如何通過(guò)門(mén)控來(lái)控制整個(gè)前額皮質(zhì)的信息流，將不同的信息委派給網(wǎng)絡(luò)的不同子區(qū)域。人們認(rèn)為，門(mén)控在小規(guī)模上很重要-在控制相似單元的小集群內(nèi)的信息流方面-但這一想法從未通過(guò)整個(gè)網(wǎng)絡(luò)集成到模型中。