加入收藏 | 设为首页 |

ope体育投注-神经元具有合适深度学习的形状

海外新闻 时间: 浏览:210 次

一个神经元记录在布莱克理查德的试验室。图片来历:Blake Richards

深度学习带来的机器能够“看到”国际更像人类,并能辨认言语。尽管深度学习是受人类大脑的启示,但ope体育投注-神经元具有合适深度学习的形状问题依然存在:大脑是否真的以这种方法学习?答案有或许创造出更强壮的人工智能,解开人类才智的奥妙。

在12月5日在eLifope体育投注-神经元具有合适深度学习的形状e上宣布的一项研讨中,CIFAR研讨员Blake Richards和他的搭档发布了一种算法,该算法模仿了咱们的大脑中学习的深度。该网络显现某些哺乳动物神经元具有十分合适深度学习的形状和电学特性。此外,它代表了一种更生物学更实在的方法来标明实在的大脑怎么进行深度学习。

研讨由Richards和他的研讨生Jordan Guerguiev在多伦多大学斯卡伯勒与Google DeepMind的Timothy Lillicrap协作进行。他们的算法根据新皮质中的神经元,这是高阶思想的原因。

“大多数这些神经元的形状像树木相同,大脑深处有'根',接近水面'分枝',”理查兹说。“风趣的是,这些根接纳的输入集不同于树顶上的分支。”

运用这种神经元结构的常识,理查兹和古尔吉耶夫建立了一个模型,类似地在阻隔的隔间中接纳信号。这些部分答应不同层中的模仿神经元协作,完成深度学习。

“这仅仅一组模仿,所以它无法精确地告知咱们咱们的大脑在做什么,但假如咱们自己的大脑或许运用他们在AI中运用的相同算法,它的确足以确保进一步的试验查验,”理查兹说。

用于深度学习的多隔室神经网络模型的插图。左:从小鼠初级视觉皮层重建锥体神经元。右图:简化金字塔神经元模型的插图。图片来历:CIFAR

这个研讨理念能够追溯到AI前驱Geoffrey Hinton,CIFAR出色研讨员和机器与脑力学习项意图创始人,以及Yoshua Bengio项意图联合主任,而且是首要创立该项意图首要动机之一。理查兹说,这些研讨人员不只要开发人ope体育投注-神经元具有合适深度学习的形状工智能,还要了解人脑是怎么学习的。

在21世纪初期,Richards和Lillicrap在多伦多大学与Hinton一同学习了一门课程,而且坚信学习模型正在捕捉人类大脑怎么运作的“实在”。其时,测验这个主意有几个应战。首要,不清楚深度学习能否到达人类技术水平。其次,算法违反了神经科学家证明的生物学现实。

现在,理查兹和一些研讨人员正在寻求弥合神经科学和人工智能之间撒个渔网捞相公的距离。本文以Bengio试验室的研讨为根底,选用愈加生物学上合理的方法练习神经网络和Lillicrap开发的算法,进一步放宽了练习神经网络的一些规矩。该论文还结合了Matthew Larkam对新皮层神经元结构的研讨。经过将神经学见地与现有算法相结合,理查兹的团队能够创立一种更好,更传神的算法来模仿大脑中的学习。

树状新皮质神经元仅仅大脑中许多类型细胞中的一种。理查兹说,未来的研讨应该模仿不同的脑细胞,并研讨它们怎么相互作用以完成深度学习。从长远来看,他期望研讨人员能够战胜严重应战,例如怎么经过经历学习而不接受反应。

“咱们或许会在未来十年左右看到的是神经科学与人工智能之间实在的良性循环研讨,其间神经科学发现协助咱们开发新的AI和AI能够协助咱们解说和了解咱们在神经科学中的试验数据,”理查兹说。

12月5日在eLife上宣布了“与阻隔ope体育投注-神经元具有合适深度学习的形状树突进行深化学习” 。#清风方案#

更多信息ope体育投注-神经元具有合适深度学习的形状: eLife,DOI:10.7554 / eLife.22901

期刊信息: eLife