观点丨重建脑科学与AI之间的桥梁，人工神经网络比机器学习更优吗？

转自 小婷 学术头条

几十年来，神经科学在人工智能的研究历程中起到了举足轻重的作用，人工智能的奠基人 Donald Hebb、Warren McCulloch、Marvin Minsky 和 Geoff Hinton 最初的研究动力均源自对他们大脑工作机理的浓厚兴趣，当时的研究人员也一直试图模仿大脑的功能，构建神经科学与人工智能之间的桥梁。

1943 年，美国神经科学家麦卡洛克（Warren McCulloch）和逻辑学家皮茨（Water Pitts）在 “A Logical Calculus of Ideas Immanent in Nervous Activity” 一文中提出了神经元的数学模型，受人体大脑神经元的启发，机器学习领域早期的重要算法 —— 人工神经网络（Artificial Neural Networks）得以发展。

1949 年，加拿大神经心理学家 Donald Hebb 在《The Organization of Behavior》一书中首次提出的赫布理论，解释了在学习过程中大脑神经元所发生的变化，这一理论为后期机器学习的研究提供了理论支撑。Hebb 提出学习是通过大脑中突触强度的改变而进行的，一个突触强度的改变通常持续数十分钟，而一个神经元（节点）的时钟速度大约为一秒。

然而，从那以后，实验神经科学并没有直接推动机器学习领域的发展，这两门学科似乎都是独立发展的。

4 月 23 日，巴伊兰大学物理系和 Gonda（Goldschmied）多学科脑研究中心的 Ido Kanter 教授等人在《科学报告》杂志上发表了一项最新研究成果，成功地在实验神经科学和高级人工智能学习算法之间重建桥梁。

研究人员根据 Hebb 的理论，通过一项新的神经元培养实验，成功展示了一种受大脑启发的人工神经网络学习机制。该机制被用于手写数字识别时，其成功率大大超过了传统的机器学习算法。

Ido Kanter 教授说："我们大脑中的一个学习步骤被认为通常会持续几十分钟甚至更久，而在计算机中，它的学习时间一般为纳秒级。虽然大脑的速度极慢，但其计算能力却超过了最先进的人工智能算法，或者说可以与之相媲美，“

为了重建这一桥梁，研究人员最初作出两个假设：

• 通常认为大脑学习是极其缓慢的假设可能是错误的；
• 大脑的动力学系统可能包括加速学习机制。