人工神经元新的可能性，或能实现真正的人工智能

    前言:
    科学家们构建出了一种合成脑细胞的关键部分,这些合成细胞能在毫秒级别上留存记忆,这一成果在将来可能会使类脑计算机成为现实。
    这些合成出的关键部分采用离子来产生电信号,与大脑中神经元传输信息的方式相同。
    
    作者 | 方文
    图片来源 |  网 络
    人工神经元及其模型
    在这项于8月6日发表在《科学》期刊上的研究中,来自法国巴黎国家科学研究中心的科研人员们构建了一个人造神经元的计算机模型。
    和大脑中的神经元一样,这个模型可以用电信号传输信息。研究者输送离子跨越水薄层,以此来模拟真实的离子通道;
    如此,这些人造神经元能够产生和大脑中神经元一样的电发放。
    科学家们推测,如果我们能制作出像人脑一样的计算机,计算机的能耗会大大降低。而复刻人脑生物机制的一种方法就是像大脑一样利用离子去产生电流。
    在更精细的层面上,研究人员构建了一个系统来模拟动作电位的产生。
    神经元在产生动作电位之前细胞膜处于静息电位,当刺激引起细胞外的阳离子内流时,细胞膜发生去极化。
    当去极化达到阈值时电压门控的离子通道会开放,使得更多的阳离子进入细胞,直到膜内电位达到最大值后重新极化,这一过程历时几个毫秒。
    为了模拟电压门控的离子通道,研究人员对两层石墨烯之间的水薄层进行了建模。
    在模拟中,研究者分别以一个水分子、两个水分子、三个水分子的厚度对水层进行建模,并且将水层表征成了准二维的狭缝。
    在对这个模型进行计算机仿真测试时,科研人员发现:当施加更强的电场时,这些结构会以足够慢的速度分解,从而留下某种记忆。
    在真实神经元中,动作电位就等同于神经元的细胞记忆;我们的大脑通过打开和关闭离子通道去创造这样的记忆。
    模型是基于[记忆电阻]
    根据此前的研究,有科学家认为人脑的存储容量大约为1TB,不过也有科学家认为应该有100TB。
    人脑虽然不是自然界中最大的,但却是最发达的。在所有哺乳动物中,人脑占身体的比例最大。
    人脑虽然只占了身体重量的2%,却消耗着20%的能量。
    神经元的数量的对应着着脑的能力,人脑大约包含了860亿个神经细胞,其中大脑皮层就占了140亿个神经细胞。
    这些神经元就像计算机中的门电路,是基本的逻辑单元,它们复杂的连接在一起,而且是大规模串并联,最终和神经胶质细胞一起构成人脑这一复杂的中枢神经系统。
    研究显示,每对神经元之间大约存在1000个突触;860亿个神经元和1000个突出相乘,可以大概计算出,人脑潜在的存储能力高达86TB。
    人工神经网络就类似于这种模型,通过对不同数据赋予不同的权重,进而实现模糊计算,用来模拟人脑非线性、非精确的数据处理能力。
    用更少的神经元做出更准确的预测
    研究者将动力系统上的数据输入神经网络中一个由随机连接的人工神经元组成的[储备池]中。
    系统越大、越复杂,期望预测的结果越准确,人工神经网络就越大,完成任务所需的计算资源和时间也就越多。
    基于人工神经元的储备池是一个黑盒子,科学家们不知道它里面到底发生了什么,只知道它管用。
    储备池计算核心的人工神经网络建立在数学基础上的,发现整个储备池计算系统可以大大简化,从而显著降低对计算资源的需求,节省大量时间。
    研究者提出的下一代储备池计算技术明显优于当前的SOTA技术。在一台台式机上进行的一个相对简单的模拟中,新系统的速度是当前模型的33到163倍。
    实现任何意义上真正的人工智能
    传统的电子元器件需要消耗的能量非常大。而我们的人类大脑虽然复杂,但其能耗却非常低。
    这种差异,是因为人体神经元之间的交流也存在电流,但其电流的载体不是电子而是离子。
    让电子元件使用离子进行信号传递,新开发出来的[人工神经元]就能和人体大脑神经元使用同样的电介质进行交流。
    通俗一点来说,就是人类大脑可以实现和计算机的双向交流。
    现在,智能算法能够进行人脸识别,甚至能够驾驶无人汽车,而这些技术主要归功于基于人脑结构原理的深度学习。
    它们由许多人造神经细胞组成,并通过人造突触连接并由此互相传递信号。
    真实的神经元已经足够深入,能够帮助他们开展更复杂、更高效、更接近人脑的学习流程。
    也就是说,这样的人工网络,识别一只猫所需学习的例子更少,且有内化语言意义的功能。
    这样的系统不仅能够改变单个神经元在各个人工神经元网络中的表现,还能将不同种类神经元的特点在人工网络中结合起来,就像人脑一样。
    最终目标是建立一个电子复制的大脑,它能够模仿人脑的功能、能力和多样性,实现任何意义上真正的人工智能。
    结尾:
    如果精确模仿大脑的机器学习方法应用在计算机模型上,计算机模型的发展也会增强对大脑本身的理解。
    科学家找到了能够模仿自身学习能力的人工网络的方法,而这反过来也让我们更好地了解大脑和我们自身。
    部分资料参考:《人工神经元再进一步,存储记忆已成现实》,雷锋网:《人工神经网络能否驾驭生物神经元的“浓稠”程度?5到8层可能并非极限》,机器之心pro:《储备池计算新突破:神经元更少,计算速度最高提升百万倍》,科技诚谈:《美脑机接口设备与中国“人工神经元”相比,谁更强?》
    本公众号所刊发稿件及图片来源于网络,仅用于交流使用,如有侵权请联系回复,我们收到信息后会在24小时内处理。