在神经科学和计算机科学中,将大脑与计算机进行比较是一个由来已久的类比。

不难看出原因。

我们的大脑能够以一种简单而神秘的优雅方式完成许多我们希望电脑处理的任务。所以,它会理解我们大脑的内部运作你能帮助我们吗制造更好的计算机;这些计算机可以帮助我们更好地理解自己的思想。同样,如果大脑像计算机一样,知道他们做什么需要多少计算可以帮助我们预测机器何时会匹配大脑。

事实上,各个领域之间已经有了富有成效的知识流。

深度学习,一种强有力的学习方式人工智能,例如松散建模在大脑巨大的分层神经元网络上。

你可以把深层神经网络中的每个“节点”看作一个人工神经元。像神经元一样,节点从与其相连的其他节点接收信号,并执行数学运算以将输入转换为输出。

根据节点接收到的信号,它可以选择将自己的信号发送给所有节点它的网络。通过这种方式,信号级联通过一层又一层的节点,逐步调整和锐化算法。

大脑也是这样工作的。但上面的关键词是宽松地

科学家们知道,生物神经元比深度学习算法中使用的人工神经元更复杂,但究竟复杂多少仍是一个悬而未决的问题。

在一个迷人的纸最近发表在杂志上神经元一个来自耶路撒冷希伯来大学的研究小组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为复杂,但他们惊讶于它们实际上是多么复杂。

在这项研究中,研究小组发现需要一个五到八层的神经网络,或近1000个人工神经元,来模拟大脑皮层单个生物神经元的行为。

尽管研究人员警告说,该结果是一个上面的他们还相信,他们的发现可能有助于科学家进一步研究究竟是什么使生物神经元如此复杂。这些知识或许可以帮助工程师设计出更强大的神经网络和人工智能。

贝勒医学院的计算神经科学家Andreas Tolias说:“[结果]形成了生物神经元和人工神经元之间的桥梁。”告诉量子上周。

神奇的大脑

神经元是构成我们大脑的细胞。有许多不同类型的神经元,但一般来说,它们有三个部分:细长的分支结构(称为树突)、细胞体和根状轴突。

在一端,树突在称为突触的连接点连接到其他神经元网络。在另一端,轴突与不同的神经元群形成突触。每个细胞通过其树突接收电化学信号,过滤这些信号,然后有选择地沿着自己的信号(或尖峰)传递。

为了在计算上比较生物神经元和人工神经元,研究小组提出了一个问题:模拟单个生物神经元的行为需要多大的人工神经网络?

首先,他们建立了一个生物神经元的模型(在本例中,是来自大鼠皮层的锥体神经元)。该模型使用了大约10000个微分方程来模拟神经元如何以及何时将一系列输入信号转化为自身的尖峰信号。

然后,他们将输入信息输入模拟神经元,记录输出,并针对所有数据训练深度学习算法。他们的目标?找出最精确地近似模型的算法。

(视频:一个锥体神经元模型(左)通过其树突分支接收信号。在这种情况下,信号会引发三个尖峰。)

他们增加了算法的层数,直到在给定一组输入的情况下,预测模拟神经元输出的准确率达到99%。最合适的位置是至少五层,但不超过八层,即每个生物神经元大约有1000个人工神经元。深度学习算法比原始模型简单得多,但仍然相当复杂。

这种复杂性从何而来?

事实证明,这主要是由于树突中的一种化学受体NMDA离子通道和树突在空间中的分支。“拿走其中一个东西,神经元就会变成一个简单的装置,”主要作者David Beniaguev说2019年发布推特,描述作为预印本出版的作品的早期版本。

事实上,在去除这些特征后,研究小组发现,他们可以用单层深度学习算法匹配简化的生物模型。

一个移动的基准

我们很容易推断出研究小组的结果来估计整个大脑的计算复杂性。但我们离这样的措施还很远。

首先,团队可能没有找到最有效的算法。

对于开发人员社区来说,在高级深度学习算法的第一个版本上快速改进是很常见的。考虑到该研究的密集迭代,该团队对结果充满信心,但他们也向科学界发布了模型、数据和算法,看看是否有人能做得更好。

此外,模型神经元来自于老鼠的大脑,而不是人类的,而且它只是一种脑细胞。此外,这项研究是在比较模型和模型——到目前为止,还没有办法直接与大脑中的实际神经元进行比较。这完全有可能,真实的东西更复杂,而不是更简单。

尽管如此,该团队相信他们的工作可以推动神经科学和人工智能向前发展。

在前一种情况下,这项研究进一步证明树突是值得更多关注的复杂生物。在后一种情况下,它可能会导致全新的算法架构。

该论文的合著者伊丹·塞格夫建议,工程师们应该尝试用一个模拟生物神经元的微型五层网络来取代目前算法中简单的人工神经元。塞格夫说:“我们呼吁用一个代表神经元的单元来取代深度网络技术,使其更接近大脑的工作方式。目前,深度网络中的每一个简单单元都被替换为一个神经元,而神经元已经独立于其自身的深度网络。”。

这么多增加的复杂性是否会带来回报尚不确定。专家们争论,要获得相似或更好的结果,大脑需要捕捉多少细节算法。手机上不能买球了吗

但这很难与数百万年的进化实验相抗辩。到目前为止,遵循大脑的蓝图是一个有益的策略。如果这项工作有任何迹象的话,未来的神经网络在规模和复杂性上可能会大大超过今天的神经网络。

图片来源:美国儿童健康与人类发展研究所/ S。宋

杰森是奇点中心的总编辑。他从事金融和经济方面的研究和写作斯洛伐克捷克比分直播,然后转向科技领域。他对几乎每一件事都很好奇,很难过他只知道其中的一小部分。