我們正處于一場科技革命之中。今天的計算機使用人工智能從示例中學習并執(zhí)行直到最近才被認為是不可能的復雜功能。這些智能算法可以識別人臉，甚至可以駕駛自動駕駛汽車。促成許多這些技術(shù)進步的深度學習網(wǎng)絡(luò)基于形成我們大腦結(jié)構(gòu)的相同原理：它們由通過人工突觸相互連接的人工神經(jīng)細胞組成;這些細胞通過這些突觸相互發(fā)送信號。
我們對神經(jīng)功能的基本理解可以追溯到 1950 年代。基于這種基本理解，當今用于深度學習的人工神經(jīng)元通過線性地求和它們的突觸輸入并在響應中生成兩個輸出狀態(tài)之一——“0”(OFF)和“1”(ON)來運行。然而，近幾十年來，神經(jīng)科學領(lǐng)域發(fā)現(xiàn)單個神經(jīng)元是由包含許多功能子區(qū)域的復雜分支系統(tǒng)構(gòu)建的。事實上，神經(jīng)元的分支結(jié)構(gòu)和在其分布式表面區(qū)域與其接觸的許多突觸意味著單個神經(jīng)元可能表現(xiàn)為一個廣泛的網(wǎng)絡(luò)，其中每個子區(qū)域都有自己的局部，即非線性輸入-輸出函數(shù)。
耶路撒冷希伯來大學 (HU) 的新研究旨在系統(tǒng)地了解神經(jīng)元的計算能力。如果將神經(jīng)元的輸入-輸出映射到許多突觸輸入(許多示例)，那么人們可能能夠檢查類似網(wǎng)絡(luò)應該有多“深”，以便復制神經(jīng)元的 I/O 特性。博士HU 的 Edmond 和 Lily Safra 腦科學中心 (ELSC) 的學生 David Beniaguev 與 Michael London 和 Idan Segev 教授共同承擔了這一挑戰(zhàn)，并在Neuron 上發(fā)表了他們的研究結(jié)果。
該研究的目的是了解作為大腦組成部分的單個神經(jīng)細胞如何將突觸輸入轉(zhuǎn)化為它們的電輸出。在這樣做的過程中，研究人員尋求創(chuàng)建一種新的深度學習人工基礎(chǔ)設(shè)施，它的行為將更像人腦，并產(chǎn)生與大腦類似的令人印象深刻的能力。“我們提出的新深度學習網(wǎng)絡(luò)是由人工神經(jīng)元構(gòu)建的，其中每個神經(jīng)元都已經(jīng)有 5-7 層深。這些單元通過人工突觸連接到其上方和下方的層，”Segev 解釋說。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！