我们正处于一场科技革命之中。今天的计算机使用人工智能从示例中学习并执行直到最近才被认为是不可能的复杂功能。这些智能算法可以识别人脸，甚至可以驾驶自动驾驶汽车。促成许多这些技术进步的深度学习网络基于形成我们大脑结构的相同原理：它们由通过人工突触相互连接的人工神经细胞组成;这些细胞通过这些突触相互发送信号。
我们对神经功能的基本理解可以追溯到 1950 年代。基于这种基本理解，当今用于深度学习的人工神经元通过线性地求和它们的突触输入并在响应中生成两个输出状态之一——“0”(OFF)和“1”(ON)来运行。然而，近几十年来，神经科学领域发现单个神经元是由包含许多功能子区域的复杂分支系统构建的。事实上，神经元的分支结构和在其分布式表面区域与其接触的许多突触意味着单个神经元可能表现为一个广泛的网络，其中每个子区域都有自己的局部，即非线性输入-输出函数。
耶路撒冷希伯来大学 (HU) 的新研究旨在系统地了解神经元的计算能力。如果将神经元的输入-输出映射到许多突触输入(许多示例)，那么人们可能能够检查类似网络应该有多“深”，以便复制神经元的 I/O 特性。博士HU 的 Edmond 和 Lily Safra 脑科学中心 (ELSC) 的学生 David Beniaguev 与 Michael London 和 Idan Segev 教授共同承担了这一挑战，并在Neuron 上发表了他们的研究结果。
该研究的目的是了解作为大脑组成部分的单个神经细胞如何将突触输入转化为它们的电输出。在这样做的过程中，研究人员寻求创建一种新的深度学习人工基础设施，它的行为将更像人脑，并产生与大脑类似的令人印象深刻的能力。“我们提出的新深度学习网络是由人工神经元构建的，其中每个神经元都已经有 5-7 层深。这些单元通过人工突触连接到其上方和下方的层，”Segev 解释说。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！