機(jī)器學(xué)習(xí)技術(shù)旨在數(shù)學(xué)上模擬大腦中神經(jīng)元和神經(jīng)網(wǎng)絡(luò)的功能和結(jié)構(gòu)。然而，生物神經(jīng)元非常復(fù)雜，這使得人工復(fù)制它們特別具有挑戰(zhàn)性。

高麗大學(xué)的研究人員最近試圖通過近似單個神經(jīng)元和突觸的功能來更有效地重現(xiàn)生物神經(jīng)元的復(fù)雜性。他們的論文發(fā)表在《自然機(jī)器智能》上，介紹了一個可進(jìn)化神經(jīng)單元(ENU)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可適應(yīng)模擬特定神經(jīng)元和突觸可塑性的機(jī)制。

“我們的論文的靈感來自對生物神經(jīng)元的復(fù)雜性的觀察，以及事實(shí)上幾乎不可能對自然界產(chǎn)生的所有復(fù)雜性進(jìn)行數(shù)學(xué)建模的事實(shí)，”進(jìn)行這項(xiàng)研究的研究人員之一保羅·貝滕斯(Paul Bertens)告訴TechXplore。“目前在深度學(xué)習(xí)中使用的人工神經(jīng)網(wǎng)絡(luò)在許多方面都非常強(qiáng)大，但是它們與生物學(xué)神經(jīng)網(wǎng)絡(luò)的行為并沒有真正的匹配。我們的想法是使用這些現(xiàn)有的人工神經(jīng)網(wǎng)絡(luò)不是對整個大腦進(jìn)行建模，而是對每個單獨(dú)的神經(jīng)元進(jìn)行建模和突觸。”

Bertens和他的同事Seong-Whan Lee開發(fā)的ENU基于人工神經(jīng)網(wǎng)絡(luò)(ANN)。然而，不是再現(xiàn)生物神經(jīng)網(wǎng)絡(luò)的整體結(jié)構(gòu)，而是將這些ANN用于建模單個神經(jīng)元和突觸。

使用進(jìn)化算法，對ENU的行為進(jìn)行了編程以隨時(shí)間變化。這些算法可以根據(jù)適者生存，隨機(jī)突變和繁殖的概念模擬特定類型的進(jìn)化過程。

貝滕斯解釋說：“通過使用這種進(jìn)化方法，有可能進(jìn)化這些單位來執(zhí)行非常復(fù)雜的信息處理，類似于生物神經(jīng)元。” “大多數(shù)當(dāng)前的神經(jīng)元模型僅允許單個輸出值(峰值或漸變電位)，并且在突觸的情況下僅單個突觸權(quán)重值。ENU的主要獨(dú)特特征是它們可以輸出多個值(向量)，這可以看出類似于大腦中的神經(jīng)遞質(zhì)。”

神經(jīng)遞質(zhì)，例如多巴胺和5-羥色胺，本質(zhì)上是化學(xué)信號，可以在不同細(xì)胞之間傳遞信息，并通過突觸傳遞。這些化學(xué)“信使”在許多大腦功能(包括學(xué)習(xí)和記憶)中起著關(guān)鍵作用。但是，人們對它們彼此交互的方式仍然知之甚少。

Bertens和Lee開發(fā)的ENU可以輸出在ANN中起作用的值，就像神經(jīng)遞質(zhì)在大腦中一樣。與現(xiàn)有的預(yù)定義數(shù)學(xué)模型相比，該特征使他們能夠?qū)W習(xí)更復(fù)雜的行為。

“我相信這項(xiàng)研究的最有意義的發(fā)現(xiàn)和結(jié)果表明，提出的ENU不僅可以執(zhí)行與當(dāng)前神經(jīng)科學(xué)模型類似的數(shù)學(xué)運(yùn)算，而且還可以演化為實(shí)質(zhì)上執(zhí)行任何對生存有利的行為，伯滕斯說。“這意味著，與當(dāng)前手工設(shè)計(jì)的數(shù)學(xué)函數(shù)相比，每個神經(jīng)元可以獲得更復(fù)雜的函數(shù)。”

將來，由高麗大學(xué)的這些研究人員創(chuàng)建的ENU可以幫助創(chuàng)建更有效的生物啟發(fā)式機(jī)器學(xué)習(xí)技術(shù)，從而更好地反映大腦的結(jié)構(gòu)和功能。到目前為止，這些單元已用于開發(fā)機(jī)器學(xué)習(xí)代理，該代理可以在T迷宮環(huán)境中完成任務(wù)。盡管Bertens和Lee的研究仍處于初期階段，但研究人員希望盡快使用其ENU來創(chuàng)建更大的網(wǎng)絡(luò)，以解決更復(fù)雜的任務(wù)。

貝滕斯說：“大腦有數(shù)十億個神經(jīng)元和數(shù)萬億個突觸，但目前只能有效地模擬少數(shù)ENU。” “因此，我們未來研究重點(diǎn)將是擴(kuò)大我們的方法。”