神经网络受生物神经网络启发而来，但大脑里的学习过程真如深度学习那样吗？这个问题的答案有望实现更强大的深度学习模型，也有助于进一步了解人类的智能。
12月5日，CIFAR研究员、多伦多大学的Blake A. Richards和同事在期刊eLife发表了论文《尝试用分离的树突进行深度学习》（Towards deep learning with segregated dendrites）[1]。他们在论文中提出了一种算法，对大脑中可以如何进行深度学习进行了模拟。他们构建的网络表明，某些哺乳动物神经元具有适合进行深度学习的形状和电学特性。不仅如此，他们的实验也用一种更接近生物学的方法，展示了真实的大脑如何进行深度学习，甚至有望帮助解释大脑如何演化出了“学习”的能力。
如果神经元与深度学习之间的关联得以确认，我们就能开发更好的脑机接口，从疾病治疗到增强智能，随之而来的应用也将开启各种可能。
哺乳动物大脑的神经元也能做深度学习
这项研究由Richards和他在多伦多大学的研究生Jordan Guerguiev一起，与DeepMind的Timothy Lillicrap合作完成。
我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。
实验中使用的神经元是小鼠大脑新皮质的树突细胞。新皮质脑区负责一些高等功能，比如知觉、运动指令的产生，与空间推理、意识及人类语言也有关系。而树突则是从神经元细胞本体发出的多分支突起，形状类似树木。树突是神经元的输入通道，将从其他神经元接收到的动作电位（电信号）传送至细胞本体。
研究构建的“多房室神经网络”模型示意：左边是小鼠初级视觉皮层锥体神经元；右边是简化的神经元模型。来源：CIFAR
利用这种神经元结构的知识，Richards和Guerguiev建立了一个模型，叫做“多房室神经网络”（multi-compartment neural network model）。在这个网络中，神经元都在隔开的“隔间”中接收信号。由于一段一段隔开，不同层的模拟神经元能够协作，实现深度学习。
结果发现，在识别手写数字时，多层网络的效果明显好于单层的网络。算法能够利用多层网络结构识别高阶表示正是深度学习的核心标志。这表明小鼠大脑神经元跟人工神经元一样都能进行深度学习。
“这只是一组模拟，所以不能准确反映大脑正在做什么。但是，如果大脑可以使用AI使用的算法，这已经足以证明我们可以开展更进一步的实验调查了。”Richards说。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
