将大脑与计算机进行比较是神经科学和计算机科学的漫长而深刻的类比。

这并不难看看为什么。

我们的大脑可以执行许多我们希望计算机以简单,神秘的恩典处理的任务。所以,它去了,了解我们思想的内在工作可以帮助我们建立更好的计算机;这些计算机可以帮助我们更好地了解自己的思想。此外,如果大脑像计算机一样,知道它们需要多少计算,他们做他们所做的事情可以帮助我们在机器匹配思想时预测。

实际上,在田地之间已经有一种富有成效的知识流动。

深度学习,一种强大的形式人工智能例如,是松散建模在大脑的巨大,分层的神经元网络上。

您可以将深层神经网络中的每个“节点”视为人工神经元。与神经元一样,节点接收来自连接到它们的其他节点的信号并执行数学操作以将输入转换为输出。

根据节点接收的信号,它可以选择将其自己的信号发送到所有节点它的网络。以这种方式,在节点层上级联信号级联,逐步调谐和锐化算法。

大脑也是这样的。但上面的关键字是松散地。

科学家知道生物神经元比深度学习算法中使用的人工神经元更复杂,但这是一个开放的问题,只是更复杂。

在一个迷人的论文最近在期刊上发表神经元耶路撒冷希伯来大学的研究人员队试图让我们更接近答案。虽然他们预期结果会显示生物神经元更复杂 - 它们对它们实际上的复杂程度更加复杂。

在研究中,团队发现它需要一个五到八层神经网络,或近1,000人的人工神经元,以模仿单个生物神经元的行为来自大脑的皮质。

虽然研究人员小心结果是一个对于复杂性而言 - 而不是精确测量它 - 他们也相信他们的发现可能有助于科学家进一步归零,究竟是什么使生物神经元如此复杂。而且,这是知识,也许可以帮助工程师设计更有能力的神经网络和AI。

“[结果]形成从生物神经元到人工神经元的桥梁,”贝勒医学院的计算神经科学家Andreas Tolias,告诉Quanta.上个星期。

惊人的大脑

神经元是构成大脑的细胞。有许多不同类型的神经元,但通常,它们有三个部分:Spindly,分支结构称为树突,细胞体和根状轴突。

一端,德德里特在称为突触的时间内连接到其他神经元的网络。在另一端,轴突形成突触与不同的神经元群体。每个电池通过其树枝状体接收电化学信号,过滤这些信号,然后选择性地沿其自身的信号(或尖峰)通过。

为了计算地比较生物和人工神经元,团队问:模拟单个生物神经元的行为是多大的人工神经网络?

首先,它们构建了一种生物神经元的模型(在这种情况下,来自大鼠皮质的金字塔神经元)。该模型使用了一些10,000个微分方程来模拟Neuron将一系列输入信号转换为自己的尖峰。

然后,它们将输入送入其模拟的神经元,记录输出,并在所有数据上培训了深度学习算法。他们的目标是什么?找到可以最准确地近似模型的算法。

(视频:金字塔神经元(左)的模型通过其树枝状分支接收信号。在这种情况下,信号挑起了三个尖峰。)

它们增加了算法中的层数,直到预测模拟的神经元的输出准确为99%,给出了一组输入。甜点是至少五层,但每种生物神经元至少超过八个或大约1,000个人工神经元。深度学习算法比原始模型更简单 - 但仍然非常复杂。

从哪里出现这种复杂性?

事实证明,它主要是由于树枝状内的一种化学受体 - NMDA离子通道 - 和空间中树枝状的分支。“拿走这些东西之一,一个神经元转动[进入]一个简单的装置,”领导作者David Beniaguev在2019年推文,描述作为预印刷品发布的早期版本的工作。

实际上,在删除这些功能后,团队发现他们可以将简化的生物模型与单层深度学习算法相匹配。

一个移动的基准

推断团队的结果估计整个大脑的计算复杂性很诱人。但我们无处可行的措施。

对于一个,团队可能没有找到最有效的算法。

开发人员社区很常见,以迅速提高先进的深度学习算法。鉴于研究中的强化迭代,团队对结果充满信心,但他们还向科学界发布了模型,数据和算法,看看是否有人可以做得更好。

此外,模型神经元来自大鼠的大脑,而不是人类,它只是一种脑细胞。此外,该研究正在将模型与模型进行比较 - 迄今为止,没有办法与大脑中的物理神经元直接比较。它完全可能是真实的,而不是少,复杂。

尽管如此,该团队认为他们的工作可以推动神经科学和AI向前推进。

在前一个案例中,研究进一步证据是一种复杂的小动物值得更加关注。在后者中,它可能会导致自由派新的算法架构。

IDAN Segev是本文的同招,建议工程师应尝试用模拟生物神经元的迷你五层网络取代当今算法中的简单人工神经元。“我们呼吁更换深度网络技术,使大脑如何通过代表一个代表神经元的单位来更换大脑在深度网络中的每个简单单元,这些单元已经on-seak,”segev说过。

无论是如此多增加复杂性是否会偿还是不确定的。188体育365专家辩论大脑的细节算法需要捕获多少,以实现类似或更好的结果。

但很难与数百万年的进化实验争论。到目前为止,在大脑的蓝图之后一直是一个有益的战略。如果这项工作是任何迹象,未来的神经网络可能会矮小的矮人的大小和复杂性。

图像信用:Nichd / s。j

杰森正在管理奇点集线器的编辑。188金宝搏app1.1.94他在科学和技术前进行了关于金融和经济学的研究和写作。他很好奇几乎所有东西,悲伤,他只知道一小部分一切。