鸣谢:阿图尔·卢扎克。几个世纪以来，人类一直试图了解大脑是如何工作的，以及它是如何获取信息的。虽然神经科学家现在对大脑的不同部分如何工作以及它们的功能有了相当好的理解，但许多问题仍然没有答案；因此，仍然缺乏统一的神经科学理论。近年来，计算机科学家一直在试图创造计算工具，人工重现人脑的功能和过程。阐明大脑如何做出预测的新神经科学理论可以帮助显著增强这些工具，以便它们以越来越现实的方式复制神经功能。
加拿大莱斯布里奇加拿大行为神经科学中心的研究人员最近进行了一项研究，调查单个神经元如何学习和预测未来。他们发表在《自然机器智能》上的发现表明，单个神经元预测其未来活动的能力可以提供一种新的学习机制。
“神经科学现在处于达尔文之前的生物学阶段，”开展这项研究的研究人员之一阿图尔·卢扎克告诉TechXplore。“它有无数详细的观察结果，但没有单一的理论解释它们之间的联系。因此，神经科学的重大探索是找到解释大脑如何工作的统一原则。我们的工作旨在为这一探索做出贡献。”
使用数学方程，Luczak和他的同事证明了单个神经元的预测能力可以提供一种新的学习机制，这种机制最终可以在机器中复制。根据研究人员的说法，这种学习过程可能有一个代谢起源，因为神经元可能需要最小化自己的突触活动，同时通过招募其他神经元来最大化它们对局部血液供应的影响。
鸣谢:阿图尔·卢扎克。“你知道乌云预示着下雨，因为这有助于你保持干燥，从而节省你的热能，”卢扎克解释说。“类似地，神经元可能能够学习到X量的输入活动通常跟随有Y量的活动。通过调整突触以最小化惊喜——即实际活动和预期活动之间的差异——神经元可以通过只在必要时活动来节省能量。我们表明，预测性学习规则是自然产生的，是神经元最大化代谢能量的结果。”
在他们的论文中，Luczak将这种学习机制称为“懒惰神经元原理”。该团队仍然不确定可能允许单个神经元做出预测的确切机制，但他们认为它们可能与钙信号有关(即，需要使用钙离子进行交流并驱动细胞间过程的过程)。
“有趣的是，我们的结果还表明，自发的大脑活动(例如，在睡眠期间)为神经元学习从Y预测X提供了‘训练数据’，”卢扎克说。
这组研究人员最近进行的研究可能会对神经科学和机器学习领域产生许多有趣的影响。总的来说，他们的发现表明，支撑单个神经元功能的预测机制可能在学习中发挥至关重要的作用。
“在未来，这种想法也可能有助于创建更强大的人工神经网络，以解决具有挑战性的现实生活问题，”Luczak说。“我相信我们揭示的预测学习规则是找到大脑统一理论的重要一步。然而，要实现这一目标还需要更多的步骤，我们很高兴能继续这一旅程。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
