让计算机具备人类的“思考能力”是人工智能的终极目标。然而，人类大脑的运转机制着实难以效仿——它不仅善于在新环境中活用旧知识，还会不断完善已经学到的知识体系。机器只能死板学习、执行单一任务，很难复制这种独特的适应能力，做到“触类旁通”。科学家们一直希望将知识活用与持续学习引入机器学习和人工大脑研究领域。
eurekalert.org网站当地时间12月16日报道，美国索尔克研究所的科学家利用大脑活动计算模型精确模拟了大脑的适应过程——新模型模拟了大脑前额叶皮质利用“门控”控制不同神经元区域信息流的现象。该成果不仅为人脑研究打开了新天地，还能够为更复杂的人工智能程序设计提供依据。论文作者、计算神经生物学实验室研究人员TerrenceSejnowski说：“如果我们能够将这个模型扩展用于更复杂的人工智能系统，也许能让新系统的智能化程度大大提升。”《美国国家科学院院刊》报道了相关研究成果。
研究人员TerrenceSejnowski、KayTye和BenTsuda（左起）。
Sejnowski团队设计的新计算模型框架复制了前额皮质（大脑中负责决策和记忆的区域）神经元在威斯康辛卡片分类测试（WCST）中的行为。在WCST中，参与者需要按照颜色、符号或数字分类卡片，并随着分类规则的变化不断调整自己的答案。WCST测试在临床上多用于诊断痴呆症和精神疾病，人工智能研究人员也会用此法评估大脑模型对人类行为的复制程度。此前开发的前额皮质模型在WCST中表现不佳。Sejnowski团队的框架通过整合神经元门控信息流，将不同的信息片段分配到了网络不同的区域。
新模型不仅在WCST中表现得像人类一样可靠，还能模拟某些大脑疾病患者出现的错误——当模型被部分移除时，系统“症状”与前额皮质损伤患者相同。“这种模型框架，让我们对大脑的严密组织有了更深入的了解。”论文作者BenTsuda说，“这对优化机器学习和更好地理解影响前额皮质的疾病均有积极意义。”深入认识前额叶皮层各区域的协同工作机制将有助于指导治疗脑损伤的干预措施。
Sejnowski团队希望继续扩大网络规模，执行比WCST更复杂的任务。如果新方法在广泛的学习场景下有效，人工智能距离学会“适应”也就不远了。
科界原创
编译：德克斯特
审稿：西莫
责编：陈之涵
期刊来源：《美国国家科学院院刊》
期刊编号：-
原文链接：
