開發(fā)能夠像人腦一樣高效地處理信息的機器一直是實現真正人工智能的長期研究目標。由 Mihai Petrovici 博士領導的海德堡大學和伯爾尼大學(瑞士)的跨學科研究小組正在借助受生物啟發(fā)的人工神經網絡解決這個問題。尖峰神經網絡模仿自然神經系統(tǒng)的結構和功能，因為它們強大、快速且節(jié)能，是很有前途的候選者。一項關鍵挑戰(zhàn)是如何訓練如此復雜的系統(tǒng)。德國-瑞士研究團隊現已開發(fā)并成功實施了一種實現此類訓練的算法。
大腦中的神經細胞(或神經元)使用稱為尖峰的短電脈沖傳輸信息。當超過某個刺激閾值時會觸發(fā)這些尖峰。單個神經元產生這種尖峰的頻率和各個尖峰的時間順序對于信息交換都至關重要。“生物尖峰網絡與人工神經網絡的主要區(qū)別在于，因為它們使用基于尖峰的信息處理，所以它們可以以極高的能源效率解決復雜的任務，例如圖像識別和分類，”博士生 Julian Göltz 說。 Petrovici 博士的研究小組。
人類大腦和結構相似的人工尖峰神經網絡只有在各個神經元相互正確連接的情況下才能發(fā)揮其全部潛力。但是，如何調整受大腦啟發(fā)(即神經形態(tài))系統(tǒng)以正確處理尖峰輸入?“這個問題對于開發(fā)基于生物模型的強大人工網絡至關重要，”同時也是 Petrovici 博士研究團隊成員的 Laura Kriener 強調說。需要特殊的算法來保證尖峰神經網絡中的神經元在正確的時間觸發(fā)。這些算法調整神經元之間的連接，以便網絡可以執(zhí)行所需的任務，例如對圖像進行高精度分類。
Petrovici 博士指導下的團隊開發(fā)了這樣一種算法。“使用這種方法，我們可以訓練尖峰神經網絡以僅在單個尖峰中編碼和傳輸信息。因此，它們特別快速有效地產生了所需的結果，”Julian Göltz 解釋道。此外，研究人員成功地在物理平臺上實現了一個用這種算法訓練的神經網絡——海德堡大學開發(fā)的 BrainScaleS-2 神經形態(tài)硬件平臺。
據研究人員稱，BrainScaleS 系統(tǒng)處理信息的速度比人腦快一千倍，并且比傳統(tǒng)計算機系統(tǒng)需要的能量少得多。它是歐洲人腦計劃的一部分，該計劃將神經形態(tài)計算等技術集成到一個名為 EBRAINS 的開放平臺中。“然而，我們的工作不僅對神經形態(tài)計算和受生物啟發(fā)的硬件感興趣。它還承認科學界需要將所謂的深度學習方法轉移到神經科學，從而進一步揭開人腦的秘密，”Petrovici 博士強調說。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯系刪除！