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

當前的AI系統(tǒng)“體型”龐大，參數(shù)數(shù)量從數(shù)百萬到數(shù)十億不等，能耗巨大，這在一定程度上限制了其廣泛使用。

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

樹突是神經(jīng)元短而多分支的結(jié)構(gòu)，形似樹枝。它們的主要職責是從其他神經(jīng)細胞接收信息，并將其傳遞到細胞體內(nèi)。盡管科學家尚未透徹理解樹突在信息處理中的具體作用，但研究表明，樹突能夠獨立于主神經(jīng)元進行復雜的計算。此外，樹突對于大腦的可塑性，即大腦適應環(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)，團隊提出了一種全新的人工神經(jīng)元架構(gòu)。該架構(gòu)融合了生物樹突的多種特征。他們在各種圖像識別場景中，對該架構(gòu)的性能進行了測試。結(jié)果表明，這些樹枝狀神經(jīng)網(wǎng)絡可以在使用更少資源，即在更少的訓練參數(shù)和學習步驟情況下，媲美或超過傳統(tǒng)神經(jīng)網(wǎng)絡的性能。

團隊透露，新型人工神經(jīng)網(wǎng)絡性能的提升得益于一種獨特的學習方法。在該網(wǎng)絡中，多個節(jié)點能夠?qū)Σ煌�類別進行編碼，而傳統(tǒng)人工神經(jīng)網(wǎng)絡中，大多數(shù)節(jié)點往往只針對特定類別進行編碼。融合樹突特征的新型神經(jīng)網(wǎng)絡在識別模式和決策制訂方面展現(xiàn)出更高效率，這將使AI在多個領域的應用更加高效。