盡管我們脆弱的大腦似乎與計(jì)算機(jī)處理器中的芯片大相徑庭，但科學(xué)家們對它們進(jìn)行比較的歷史由來已久就像艾倫一樣圖靈在1952年說，我們對大腦的一致性不感興趣，就像冷粥一樣換句話說，媒體不重要，重要的是計(jì)算能力

目前最強(qiáng)大的人工智能系統(tǒng)采用基于深度學(xué)習(xí)的機(jī)器學(xué)習(xí)方法，通過調(diào)整數(shù)據(jù)隱藏層中大量相互連接的節(jié)點(diǎn)來擬合數(shù)據(jù)這些節(jié)點(diǎn)形成的網(wǎng)絡(luò)稱為深度神經(jīng)網(wǎng)絡(luò)根據(jù)20世紀(jì)50年代神經(jīng)科學(xué)家對神經(jīng)元的理解，當(dāng)時(shí)有影響的神經(jīng)元模型叫做感知器從那以后，我們逐漸加深了對單個(gè)神經(jīng)元計(jì)算復(fù)雜性的理解人們已經(jīng)了解到生物神經(jīng)元比人工神經(jīng)元更復(fù)雜，但復(fù)雜到什么程度呢不知道

一個(gè)生物神經(jīng)元可以和5到8個(gè)人工神經(jīng)網(wǎng)絡(luò)競爭。

為了找到答案，耶路撒冷希伯來大學(xué)的大衛(wèi)貝尼格夫，伊丹塞格夫和麥克倫敦訓(xùn)練了一個(gè)人工深層神經(jīng)網(wǎng)絡(luò)來模擬生物神經(jīng)元的計(jì)算研究表明，一個(gè)深度神經(jīng)網(wǎng)絡(luò)需要5到8層相互連接的人工神經(jīng)元來表達(dá)單個(gè)生物神經(jīng)元的復(fù)雜性

我以為它會更簡單，更小，貝尼格夫說貝尼格夫也沒有預(yù)料到這種復(fù)雜性他原本預(yù)計(jì)三四層就足以捕捉到單元中執(zhí)行的計(jì)算

在谷歌旗下AI公司DeepMind設(shè)計(jì)決策算法的Timothy Lillicrap表示:新的結(jié)果表明，可能有必要重新思考大腦中神經(jīng)元和機(jī)器學(xué)習(xí)背景下神經(jīng)元之間不精確比較的舊傳統(tǒng)，他認(rèn)為這篇論文確實(shí)有助于人們更仔細(xì)地思考這個(gè)問題，并找出我們可以在多大程度上進(jìn)行類比。

基本的相似之處在于他們處理輸入信息的方式兩個(gè)神經(jīng)元都接收輸入信號，并根據(jù)信息決定是否將自己的信號發(fā)送給其他神經(jīng)元人工神經(jīng)元依靠簡單的計(jì)算做出決策，但幾十年的研究表明，生物神經(jīng)元的這一過程相對更為復(fù)雜

計(jì)算神經(jīng)科學(xué)家利用輸入輸出函數(shù)模擬生物神經(jīng)元長枝接收的輸入信息與神經(jīng)元發(fā)送的信號之間的關(guān)系。

最后，深度神經(jīng)網(wǎng)絡(luò)成功預(yù)測了大腦神經(jīng)元輸入輸出功能的行為結(jié)果表明，深度神經(jīng)網(wǎng)絡(luò)至少有5層互連的人工神經(jīng)元，但不超過8層在大多數(shù)網(wǎng)絡(luò)中，一個(gè)生物神經(jīng)元相當(dāng)于大約1000個(gè)人工神經(jīng)元

神經(jīng)科學(xué)家現(xiàn)在知道，單個(gè)神經(jīng)元的計(jì)算復(fù)雜性取決于樹突分支，它們受到輸入信號的轟擊在神經(jīng)元決定是否發(fā)出自己的信號尖峰之前，會導(dǎo)致局部的電壓變化，這種變化表現(xiàn)為神經(jīng)元的顏色變化，紅色代表高電壓，藍(lán)色代表低電壓這個(gè)峰出現(xiàn)三次，如圖右側(cè)各枝的軌跡所示，這里的顏色代表了枝晶從上到下的位置

——大衛(wèi)貝尼格夫

安德烈亞斯，貝勒醫(yī)學(xué)院的計(jì)算神經(jīng)科學(xué)家安德烈亞斯托利阿斯說:在生物神經(jīng)元和人工神經(jīng)元之間架起了一座橋梁

倫敦說:我們嘗試了各種不同深度和不同單元的建筑，但大多數(shù)都失敗了。

Lillicrap認(rèn)為，這一研究成果可能為圖像分類網(wǎng)絡(luò)與大腦的連接提供一種新的方法圖像分類網(wǎng)絡(luò)通常需要50層以上如果每個(gè)生物神經(jīng)元類似于一個(gè)五層人工神經(jīng)網(wǎng)絡(luò)，那么一個(gè)50層的圖像分類網(wǎng)絡(luò)相當(dāng)于一個(gè)生物網(wǎng)絡(luò)中的10個(gè)真實(shí)神經(jīng)元

Segev指出，我們建議可以嘗試用一個(gè)代表生物神經(jīng)元的單位來代替深層神經(jīng)網(wǎng)絡(luò)中的簡單單位，使其更接近大腦的工作模式在這種替代方案中，人工智能研究人員和工程師可以插入一個(gè)五層深度網(wǎng)絡(luò)作為迷你網(wǎng)絡(luò)，以取代每個(gè)人工神經(jīng)元

有懷疑和肯定。

/p>

但有些人懷疑這一研究是否真的對人工智能有益。

冷泉港實(shí)驗(yàn)室 的神經(jīng)學(xué)家安東尼扎多爾 說，我認(rèn)為，在這種對比中是否存在實(shí)際的計(jì)算優(yōu)勢，還是一個(gè)懸而未決的問題但是該研究為檢驗(yàn)這一點(diǎn)奠定了基礎(chǔ)

一些人認(rèn)為，這一結(jié)果意味著神經(jīng)科學(xué)家應(yīng)該把對單個(gè)生物神經(jīng)元的研究放在更重要的位置。

賓夕法尼亞大學(xué) 的計(jì)算神經(jīng)學(xué)家康拉德科爾丁 說:這篇論文使得我們對樹突和單個(gè)神經(jīng)元的思考變得比以前重要得多

還有 Lillicrap 和 Zador，他們認(rèn)為關(guān)注一個(gè)回路中的神經(jīng)元，對于學(xué)習(xí)大腦如何使用單個(gè)神經(jīng)元的計(jì)算復(fù)雜性同樣重要。

無論如何，人工神經(jīng)網(wǎng)絡(luò)的研究可能會提供對生物神經(jīng)元以及大腦奧秘的新見解。

倫敦大學(xué)學(xué)院 的計(jì)算神經(jīng)科學(xué)家格蕾絲林賽 說:從層次，深度和寬度的角度思考，這項(xiàng)工作讓我們對計(jì)算的復(fù)雜性有了直觀的認(rèn)識

可是，Lindsay 也警告說，這項(xiàng)新研究仍然只是在對模型進(jìn)行比較不幸的是，目前神經(jīng)科學(xué)家不可能記錄真實(shí)神經(jīng)元的完整輸入—輸出功能，所以可能有更多生物神經(jīng)元模型沒有捕捉到的東西換句話說，真正的神經(jīng)元可能更加復(fù)雜

London 說:我們不確定，5 到 8 層是否真的是最終的極限。

本文地址：http://www.dayishuiji.com/finance/11544.html - 轉(zhuǎn)載請保留原文鏈接。

免責(zé)聲明：本文轉(zhuǎn)載上述內(nèi)容出于傳遞更多信息之目的，不代表本網(wǎng)的觀點(diǎn)和立場，故本網(wǎng)對其真實(shí)性不負(fù)責(zé)，也不構(gòu)成任何其他建議；本網(wǎng)站圖片，文字之類版權(quán)申明，因?yàn)榫W(wǎng)站可以由注冊用戶自行上傳圖片或文字，本網(wǎng)站無法鑒別所上傳圖片或文字的知識版權(quán)，如果侵犯，請及時(shí)通知我們，本網(wǎng)站將在第一時(shí)間及時(shí)刪除。