在人工智能领域，神经网络的发明显然是受到了生物神经网络的启发，但是大脑里的学习过程真的和计算机中的算法一样吗？如果研究人员能够解答这一问题，也许可以发展出更加强大的深度学习模型，并进一步了解人类的智能。
经济日报-中国经济网科技频道了解到近日研究人员发表论文，表示他们发现一种算法，可以利用哺乳动物的神经元进行深度学习。而且他们的实验也用一种更接近生物学的方法，展示了真实的大脑如何进行深度学习，甚至有望帮助解释大脑如何演化出了“学习”的能力。
实验选用了小鼠大脑新皮质的树突细胞。新皮质脑区负责高等功能，例如知觉、运动指令的产生，同时这部分也与空间推理、意识及语言有关。而树突则是从神经元细胞本体发出的多分支突起，其形状和树木类似。树突是神经元的输入通道，将从其他神经元接收到的动作信号传送至细胞本体。
研究人员利用这些神经元的基本知识构建了一个叫“多屋神经网络”模型，在这个网络中神经元都在隔开的“屋”里接收信号。由于被隔开了，所以不同层的模拟神经元可以协作起来，实现深度学习。
将这样的设计付诸实践后，研究人员发现再识别手写数字时，这类设计明显好于单层的网络。算法能利用多层网络结构识别高杰表示是深度学习的核心标志。这就意味着如果我们对小鼠大脑神经元的理解是正确的，那么小鼠大脑神经元跟人工神经元一样都能进行深度学习。
虽然这仅仅是一组模拟，并不能准确的表现出大脑究竟是怎么工作的，但是如果大脑可以使用人工智能正在使用的算法，那么绝对值得进一步研究。
尽管很多人相信深度学习模型在一定程度上准确反映了人类大脑的工作机制，但是要证明这一想法还有很多挑战。第一点就是深度学习目前还无法达到人类大脑的水平，这就很难模拟人类大脑的运行机制。其次深度学习算法和目前的神经生物学事实相矛盾。目前研究人员正在积极寻求弥合神经科学和人工智能之间差距的方法。
树状新皮质细胞仅仅是大脑中许多细胞类型中的一种。未来的研究会模拟不同类型的大脑细胞，并研究它们是如何通过相互作用实现深度学习的。乐观的看，接下来的十年间，人们很有可能看到神经科学与人工智能之间真正的良性循环：神经科学的发现推动新人工智能的开发；人工智能的算法帮助人们解释和理解神经方面的实验数据。
(责任编辑：王擎宇)
本文来源：中国经济网
责任编辑：
王晓易_NE0011
