Credit:CC0 Public Domain一项新的研究表明，基于人类br ain连接的人工智能网络可以高效地执行认知任务。通过检查来自大型开放科学存储库的磁共振成像数据，研究人员重建了大脑连接模式，并将其应用于人工神经网络。人工神经网络是一个由多个输入和输出单元组成的计算系统，很像生物大脑。蒙特利尔神经研究所和魁北克人工智能研究所的一组研究人员训练人工神经网络执行认知记忆任务，并观察其如何完成任务。
这是一种独特的方法，有两个方面。以前关于大脑连接的工作，也称为连接组学，集中于描述大脑组织，而没有研究它实际上是如何执行计算和功能的。其次，传统的人工神经网络具有任意的结构，不能反映真实的大脑网络是如何组织的。通过将大脑连接组学整合到人工神经网络架构的构建中，研究人员希望既能了解大脑的接线如何支持特定的认知技能，又能为人工网络推导出新颖的设计原则。
他们发现，与其他基准架构相比，具有人脑连通性的神经网络(称为神经形态神经网络)执行认知记忆任务更灵活、更高效。神经形态神经网络能够使用相同的底层架构来支持跨多种环境的广泛学习能力。
《神经》杂志的研究员、该论文的资深作者布拉迪斯拉发·米西奇说:“该项目将两个充满活力和快节奏的科学学科结合在一起。“神经科学和人工智能有着共同的根源，但最近出现了分歧。使用人工网络将有助于我们理解大脑结构如何支持大脑功能。反过来，使用经验数据制作神经网络将揭示构建更好的人工智能的设计原则。因此，这两者将有助于相互告知，并丰富我们对大脑的理解。”
这项研究发表在2021年8月9日的《自然机器智能》杂志上。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
