洛杉矶-(2020年12月16日)让计算机像人一样思考是人工智能的圣杯，但人脑很难跟上。人的大脑是一个大师，他把以前学过的东西应用到新的情境中，并不断完善自己所学的东西。这种适应能力很难在机器上复制。
现在，索尔克的研究人员已经使用大脑活动的计算模型比以前更精确地模拟了这个过程。新模型模拟了大脑前额叶皮层如何利用一种被称为“门控”的现象来控制神经元不同区域之间的信息流。它不仅为人脑提供照明，也为新的人工智能程序的设计提供信息。
Salk计算神经生物学实验室负责人、该研究的资深作者Terrence Sejnowski表示：“如果我们能够将这一模型扩展到更复杂的人工智能系统，可能会让这些系统学东西更快，或者找到解决问题的新方法。”这项新工作发表在2020年11月24日的《美国国家科学院院刊》上。
人类和其他哺乳动物的大脑以其快速处理刺激(如视觉和声音)并将任何新信息整合到大脑已经知道的信息中的能力而闻名。长期以来，这种将知识应用于新情况和持续学习的灵活性一直是研究人员在设计机器学习程序或人工大脑时的目标。历史上，当一台机器被教会完成一项任务时，机器很难学会如何将这些知识应用于类似的任务。相反，每一个相关的过程都必须单独教授。
在目前的研究中，Sejnowski的团队设计了一个新的计算模型框架，用于在认知测试(称为威斯康星卡片分类测试)中复制前额叶皮层(负责决策和工作记忆的大脑区域)神经元的行为。在这项任务中，参与者必须根据颜色、符号或数字对卡片进行分类，并随着卡片分类规则的变化不断调整答案。这项测试在临床上用于诊断痴呆症和精神疾病，但人工智能研究人员也使用它来评估他们的大脑计算模型在多大程度上可以复制人类行为。
先前的前额叶皮层模型在这项任务中表现不佳。然而，Sejnowski团队的框架整合了神经元如何通过门控控制整个前额叶皮层的信息流，并将不同的信息委托给网络的不同子区域。人们认为门控在小范围内非常重要——在控制相似单元的小集群中的信息流方面——但这种想法从未通过整个网络集成到模型中。
新网络不仅在威斯康星卡片分拣任务中像人类一样可靠，还模仿了一些患者看到的错误。移除模型的所有部分后，系统显示出与前额叶皮质损伤患者相同的错误(如创伤或痴呆)。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！