数字手与人手相互绘制丹青（艺术图）。图片来历：西蒙斯基金会

　　科技日报北京6月30日电（记者张梦然）险些所有撑持现代人工智能（AI）工具的神经收集都是基在20世纪60年月的活体神经元盘算模子。但美国西蒙斯基金会熨斗研究所盘算神经科学中央（CCN）开发的新模子注解，这类已经有数十年汗青的类似模子，并未捕捉到真实神经元所拥有的所有盘算能力，而且这类较旧的模子可能会拦阻AI的生长。研究发表于新一期《美国国家科学院院刊》上。

　　CCN模子开发者认为，单个神经元对于周围情况的节制力远比之前认为的要年夜。更新后的神经元模子终极可能会孕育发生更强盛的人工神经收集，更好地捕捉人类年夜脑的气力。

　　“神经科学于已往60年中取患了长足前进，咱们现在熟悉到，之前的神经元模子另有很低级。”团队卖力人德米特里·奇克洛夫斯基体现，真实神经元比这个过在简化的模子要繁杂患上多，也“智慧”患上多。

　　人工神经收集旨于模拟人类年夜脑处置处罚信息及做出决议计划的方式，但所泛起的方式另有很简朴。这些收集基在20世纪60年月的神经元模子，由有序的节点层组成。收集从吸收信息的输入层节点最先，然后是处置处罚信息的中间层节点，末了是发送结果的输出层节点。

　　通常，只有当节点从上一层节点吸收到的总输入跨越某个阈值时，它才会将信息通报到下一层。于练习当前的人工神经收集时，信息只能沿一个标的目的经由历程节点，节点没法影响它们从链中较早的节点吸收到的信息。

　　相比之下，新模子将神经元视为微小的“节制器”（指可以或许凭据网络到的信息来影响周围情况的器件），由于人类脑细胞不仅能被动地通报输入信息，现实上它们另有可节制其他神经元的状况。

　　奇克洛夫斯基认为，这类更为实际的神经元节制器模子，多是提高许多机械进修运用性能及效率的主要一步。

　　【总编纂圈点】

　　只管当前AI的结果使人瞩目，但仍存于许多问题。譬如给你“看似一本正经，实则乱说八道”的谜底，又譬如练习它们需要泯灭年夜量能源。而所有这些问题，人类年夜脑于事情时均可防止。将神经元作为节制器的灵感也正源在此。现在，科学家力求“复制”更真正的神经元功效，如果人们能更好地模拟年夜脑的稳定与高效，无疑也能够构建出更好的AI。

?