导读 大脑是一个包含数十亿神经元的复杂网络。这些神经元中的每一个都通过它们的突触(链接)与数千个其他神经元同时通信，并通过几个极长的分支臂
大脑是一个包含数十亿神经元的复杂网络。这些神经元中的每一个都通过它们的突触(链接)与数千个其他神经元同时通信，并通过几个极长的分支“臂”收集输入信号，称为树突树。
在过去的 70 年里，神经科学的一个核心假设是，大脑学习是通过改变突触的强度，跟随其连接神经元的相对放电活动而发生的。这个假设一直是机器和深度学习算法的基础，这些算法越来越影响我们生活的几乎所有方面。但七年之后，这个长期存在的假设现在受到质疑。
在今天发表在《科学报告》上的一篇文章中，以色列巴伊兰大学的研究人员揭示，大脑的学习方式与 20 世纪以来的假设完全不同。新的实验观察表明，学习主要在神经元树突树中进行，树的树干和树枝会改变它们的强度，而不是像以前认为的那样只改变突触(树突叶)的强度。这些观察结果还表明，神经元实际上是一个比可以触发或不触发的二进制元素更复杂、动态和计算的元素。只需一个神经元就可以实现深度学习算法，这在以前需要人工复杂的网络。由数千个连接的神经元和突触组成。
“我们已经证明，对单个神经元的树突树进行有效学习可以人为地实现接近统一的手写数字识别成功率。这一发现为高效的受生物启发的新型人工智能硬件和算法铺平了道路，”Ido 教授说Bar-Ilan 物理系和 Gonda (Goldschmied) 多学科脑研究中心的 Kanter 领导了这项研究。“这种简化的学习机制代表着朝着合理的生物学实现反向传播算法迈出了一步，反向传播算法目前是人工智能的核心技术，”博士 Shiri Hodassman 补充道。学生和这项工作的主要贡献者之一。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！