一項(xiàng)新研究表明，基于人腦連通性的人工智能網(wǎng)絡(luò)可以高效地執(zhí)行認(rèn)知任務(wù)。
通過檢查來自大型開放科學(xué)存儲(chǔ)庫的MRI數(shù)據(jù)，研究人員重建了大腦連接模式，并將其應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)(ANN)。人工神經(jīng)網(wǎng)絡(luò)是一個(gè)由多個(gè)輸入和輸出單元組成的計(jì)算系統(tǒng)，很像生物大腦。來自The Neuro（蒙特利爾神經(jīng)學(xué)研究所-醫(yī)院）和魁北克人工智能研究所的一組研究人員訓(xùn)練ANN執(zhí)行認(rèn)知記憶任務(wù)，并觀察它如何完成任務(wù)。
這是一種獨(dú)特的方法，有兩個(gè)方面。首先，之前關(guān)于大腦連通性（也稱為連接組學(xué)）的工作側(cè)重于描述大腦組織，而沒有研究它實(shí)際如何執(zhí)行計(jì)算和功能。其次，傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)具有任意結(jié)構(gòu)，不能反映真實(shí)大腦網(wǎng)絡(luò)的組織方式。通過將大腦連接組學(xué)集成到ANN架構(gòu)的構(gòu)建中，研究人員希望了解大腦的布線如何支持特定的認(rèn)知技能，并為人工網(wǎng)絡(luò)推導(dǎo)出新的設(shè)計(jì)原則。
他們發(fā)現(xiàn)具有人腦連接的人工神經(jīng)網(wǎng)絡(luò)（稱為神經(jīng)形態(tài)神經(jīng)網(wǎng)絡(luò)）比其他基準(zhǔn)架構(gòu)更靈活、更有效地執(zhí)行認(rèn)知記憶任務(wù)。神經(jīng)形態(tài)神經(jīng)網(wǎng)絡(luò)能夠使用相同的底層架構(gòu)來支持跨多個(gè)上下文的廣泛學(xué)習(xí)能力。
“該項(xiàng)目結(jié)合了兩個(gè)充滿活力和快節(jié)奏的科學(xué)學(xué)科，”The Neuro的研究員、該論文的資深作者Bratislav Misic說，“神經(jīng)科學(xué)和人工智能有著共同的根源，但最近又有了分歧。使用人工網(wǎng)絡(luò)將幫助我們了解大腦結(jié)構(gòu)如何支持大腦功能。反過來，使用經(jīng)驗(yàn)數(shù)據(jù)制作神經(jīng)網(wǎng)絡(luò)將揭示構(gòu)建更好人工智能的設(shè)計(jì)原則。因此，兩者將有助于相互了解并豐富我們對大腦的理解。”
