人工神经元自我组织

快速阅读: 据《科学日报》称，新型“形态神经元”使人工神经网络具备自主学习能力，模仿生物神经网络，促进机器学习创新并助力大脑学习机制研究。

人类大脑与现代人工神经网络同样强大。在底层结构中，神经元作为一种相对简单的计算单元协同运作。一个人工神经网络系统通常由多层组成，每层包含多个独立的神经元。输入信号经过这些层级，并由人工神经元处理以提取关键信息。然而，传统人工神经元在学习模式上与生物模型存在明显差异。大多数人工神经网络依赖外部协调进行学习，而生物神经元仅接收并处理来自周围神经元的信号。从灵活性和能效角度来看，生物神经网络在这些方面依然遥遥领先。这种被称为“形态神经元”的新型人工神经元能够在邻近神经元间实现独立且自主的学习。这意味着网络中的最小单元不再需要外部控制，而是自主判断哪些输入相关，哪些无关紧要。在研发“形态神经元”过程中，研究团队受到大脑运作方式的启发，特别是大脑皮层中的锥体细胞。这些细胞也处理来自周边环境的不同刺激，并利用这些刺激进行适应性学习。“现在我们可以清晰了解网络内部发生的一切，以及每个单独的人工神经元如何独立学习，”CIDBN 的马塞尔·格雷茨指出。通过设定学习目标，研究人员让神经元能够自主决定特定的学习规则。团队专注于每个单独神经元的学习过程，采用一种全新的信息论测量方法，精准调整神经元是否应与邻居寻求更多冗余、协同合作，或者尝试专精于网络信息的某一领域。“通过专注于输入的某些方面并与邻居协调，我们的‘形态神经元’学会了如何为网络整体任务贡献力量，”来自MPI-DS 的瓦伦丁·诺伊豪斯说道。借助“形态神经元”，团队不仅在机器学习领域提出了创新方法，也为深入理解大脑中的学习机制提供了重要帮助。

(以上内容均由Ai生成)