Salk的研究效果

現(xiàn)在，Salk研究人員已經(jīng)使用大腦活動的計算模型來比以往更準(zhǔn)確地模擬此過程。新模型模仿了大腦的前額葉皮層如何利用一種稱為“門控”的現(xiàn)象來控制神經(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)計提供信息。

洛杉磯-(2020年12月16日)讓計算機像人類一樣“思考”是人工智能的圣杯，但是人類的大腦卻是難以遵循的行為。人腦是將以前學(xué)到的知識應(yīng)用于新情況并不斷完善所學(xué)知識的大師。這種自適應(yīng)能力很難在機器上復(fù)制。

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

人類和其他哺乳動物的大腦以快速處理刺激(例如視覺和聲音)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。長期以來，這種將知識應(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)計機器學(xué)習(xí)程序或人工大腦的目標(biāo)。從歷*看，當(dāng)一臺機器被教導(dǎo)要完成一項任務(wù)時，機器很難學(xué)習(xí)如何使這些知識適應(yīng)類似的任務(wù)。取而代之的是，每個相關(guān)過程都必須單獨教授。

新的網(wǎng)絡(luò)不僅在威斯康星州卡片分類任務(wù)中表現(xiàn)得像人類一樣可靠，而且還模仿了某些患者中看到的錯誤。移除模型的各個部分后，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)相同的錯誤。

在當(dāng)前的研究中，Sejnowski的小組設(shè)計了一個新的計算模型框架，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)知測試(稱為威斯康星卡片分類測試)中的行為。在此任務(wù)中，參與者必須按顏色，符號或數(shù)字對卡片進(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評估他們的大腦計算模型可以復(fù)制人類行為的程度。

前額葉皮層的先前模型在此任務(wù)上表現(xiàn)不佳。然而，Sejnowski團隊的框架整合了神經(jīng)元如何通過門控來控制整個前額皮質(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整個網(wǎng)絡(luò)集成到模型中。