希臘研究和技術(shù)基金會(huì)科學(xué)家受生物神經(jīng)元啟發(fā)，開(kāi)發(fā)出一種融入樹(shù)突特征的新型人工神經(jīng)網(wǎng)絡(luò)。與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)相比，新網(wǎng)絡(luò)在參數(shù)更少、能耗更低的情況下，實(shí)現(xiàn)了圖像識(shí)別性能的顯著提升，為打造更緊湊、更節(jié)能的人工智能（AI）系統(tǒng)奠定了基礎(chǔ)。相關(guān)論文發(fā)表于新一期《自然·通訊》雜志。

當(dāng)前的AI系統(tǒng)“體型”龐大，參數(shù)數(shù)量從數(shù)百萬(wàn)到數(shù)十億不等，能耗巨大，這在一定程度上限制了其廣泛使用。

研究團(tuán)隊(duì)表示，通過(guò)模仿大腦中神經(jīng)元的工作原理，將樹(shù)突特征集成到AI內(nèi)，可以創(chuàng)建更小且更智能的系統(tǒng)。

樹(shù)突是神經(jīng)元短而多分支的結(jié)構(gòu)，形似樹(shù)枝。它們的主要職責(zé)是從其他神經(jīng)細(xì)胞接收信息，并將其傳遞到細(xì)胞體內(nèi)。盡管科學(xué)家尚未透徹理解樹(shù)突在信息處理中的具體作用，但研究表明，樹(shù)突能夠獨(dú)立于主神經(jīng)元進(jìn)行復(fù)雜的計(jì)算。此外，樹(shù)突對(duì)于大腦的可塑性，即大腦適應(yīng)環(huán)境變化的能力，至關(guān)重要。

圖片:294208_a734e303-960e-4301-a751-2a00ddb6919dcopy.jpg

研究示意圖

基于這些發(fā)現(xiàn)，團(tuán)隊(duì)提出了一種全新的人工神經(jīng)元架構(gòu)。該架構(gòu)融合了生物樹(shù)突的多種特征。他們?cè)诟鞣N圖像識(shí)別場(chǎng)景中，對(duì)該架構(gòu)的性能進(jìn)行了測(cè)試。結(jié)果表明，這些樹(shù)枝狀神經(jīng)網(wǎng)絡(luò)可以在使用更少資源，即在更少的訓(xùn)練參數(shù)和學(xué)習(xí)步驟情況下，媲美或超過(guò)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的性能。

團(tuán)隊(duì)透露，新型人工神經(jīng)網(wǎng)絡(luò)性能的提升得益于一種獨(dú)特的學(xué)習(xí)方法。在該網(wǎng)絡(luò)中，多個(gè)節(jié)點(diǎn)能夠?qū)Σ煌��?lèi)別進(jìn)行編碼，而傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)中，大多數(shù)節(jié)點(diǎn)往往只針對(duì)特定類(lèi)別進(jìn)行編碼。融合樹(shù)突特征的新型神經(jīng)網(wǎng)絡(luò)在識(shí)別模式和決策制訂方面展現(xiàn)出更高效率，這將使AI在多個(gè)領(lǐng)域的應(yīng)用更加高效。