人工神經網絡或升級 因為人類發現神經元更複雜

2020-12-05 中關村在線

人工神經網絡是人們模仿神經元設計出來的，其模仿單個神經元，將這些神經元串起來，從而可以處理較為複雜的數據。人工神經網絡如此設計，其實是將單個神經元視為一個簡單的開關，僅支持「是」與「否」的判斷。但研究發現，神經元要更加複雜。

實驗室研究發現，以往認為神經元只是簡單開關的想法是錯誤的，神經元樹突臂是可以進行較為複雜的邏輯計算，也可以執行特定的操作。也就是說，大腦相比大家想像的要更加複雜。

神經網絡

如此一來，科學家可能需要重新考慮人工神經網絡的計算策略，畢竟其設計之初將神經元視為簡單的開關，所以人工神經網絡雖然模仿神經網絡，但從目前來看，其策略還是存在問題的。

(7372445)

相關焦點

  • 人工神經網絡太簡陋了,《Science》新作揭露,神經元樹突也隱含計算...
    目前對於計算機科學家來講，人工神經網絡構建，往往基於這樣一個概念：神經元是一個簡單的、非智能的開關，神經網絡的信息處理來源於數萬（數萬億）個神經元之間的連接。然後神經科學家對於人腦的研究發現卻並不是如此。在神經科學的諸多研究中已經發現，人腦在信息計算上並不只有神經元連接在起作用，單個的神經元也同樣承擔著比以前人們想像中要重要得多的計算任務。
  • MIT重磅研究:基於人工神經網絡,探索抑制神經元的生物學意義
    Lynch 表示，「這一發現能夠為計算機網絡或以手機為代表的電子設備與生物系統中的神經網絡之間建立起緊密聯繫，我們正在嘗試從分布式計算的角度尋找可能使之受益的方向，並將重點放在算法上。」為了補充一些背景知識，雷鋒網先為大家簡單介紹一下人工神經網絡與人體神經網絡的聯繫與區別：我們都知道，大腦的神經細胞存在兩種狀態：興奮和抑制。
  • 研究不同神經元在人工神經網絡中的作用
    在過去十年左右的時間裡，世界各地的研究人員一直在開發越來越先進的人工神經網絡(ANNs)，這種計算方法旨在複製人類大腦的生物機制和功能。雖然其中一些網絡在各種任務中取得了顯著的成果，但預測背後的決策過程並不總是很清楚。
  • 什麼是人工神經網絡(ANN)?
    但是直到最近幾年，神經網絡的承諾才變為現實，並幫助AI行業擺脫了漫長的冬季。儘管神經網絡幫助AI取得了飛躍，但它們也常常被誤解。這時您需要了解的有關神經網絡的所有信息。人工和生物神經網絡之間的相似性人工智慧先驅的最初願景是複製人類大腦的功能，這是自然界最聰明，最複雜的已知創造。
  • 深度|人工神經網絡深入分析
    本文與吳老師的講解方式不同，筆者希望能從神經網絡的起源揭開神經網絡的面紗，從而幫助更多的對神經網絡感興趣但卻沒有相關理論基礎的朋友們。說起人工神經網絡的起源肯定要追溯到生物的神經網絡。幫助神經網絡學習數據間的複雜關係。輸出層：由前兩層得到神經網絡最後一層。5個分類的情況下輸出層將有5個神經元。為什麼多層網絡是有用的？下面大家試著去了解神經網絡如何用多層來模擬複雜關係。要進一步理解這個，需要舉一個同或函數的例子。
  • 人工神經網絡初學:是什麼以及為什麼?
    神經網絡複雜的原理和難以解釋的性質讓很多人望而卻步，所以現在讓我們以初學者的身份重新認識一下人工神經網絡。　　什麼是人工神經系統?　　人工神經系統是一種計算系統，由高度互聯的處理元素組成。互聯性是神經網絡的核心，它幫助系統的動態運行，但系統動態的特性增加了這些機器的理解難度。
  • Nature子刊批人工神經網絡:先天結構比後天訓練更重要
    由於連接過於複雜無法在基因組中明確指定，因此必須通過「基因瓶頸」進行壓縮。但人工神經網絡還不具備這種能力。但這也表明，AI有潛力通過類似的方式快速學習。也就是說，通過反思當前的研究方式能夠發現，我們現在關於深度學習的研究從出發點的側重似乎就搞錯了，先天架構比後天訓練重要得多。
  • 盤點人臉識別中的黑科技——人工神經網絡
    他們發現大腦中編碼人臉的方式和成功地執行人工智慧系統（稱為深度神經網絡）的驚人相似性。當我們看一張面孔時，視覺皮層中的神經元群被激活並發射它們的信號。事實上，某些神經元對面部有選擇性的反應，而不是對其他物體的反應。但是單個神經元的激活是如何共同產生面部感知和識別的呢？
  • 人工神經網絡及其應用
    1 人工神經網絡的發展歷史及其意義1.1 人工神經網絡的發展歷史神經網絡的發展可以追溯到19世紀末，其發展可以分為四個階段。1.2研究神經網絡的意義當前人類所面臨的重大科學技術研究任務之一，是要揭示大腦的工作機制和人類智能的本質，製造出具有完成人類智能活動能力的人工智慧系統。神經網絡是從腦的神經系統結構出發來研究腦的功能，研究人量簡單的神經元的集團信息處理能力及其動態行為。
  • 科技:人工神經網絡的進步
    這些重大新故事中的一些與人工神經網絡有關，人工智慧研究中的一個相對較新的現象正在推動從娛樂到醫學等許多領域的各種進步。人工神經網絡依賴於這樣的思想：技術可以使用對應於個體人類神經元和神經元組的小單元來模擬人類大腦的生物學工作，以基於輸入產生輸出。
  • 初識人工神經網絡
    大腦中神經元細胞以一種大量複雜並行的方式連接在一起，每個神經元可能和上萬個其它神經元連接在一起；而計算機中電晶體以相對簡單的方式串聯在一起，每個電晶體可能只和兩到三個其它電晶體連接起來形成邏輯門電路。這種連接結構上的差異導致了大腦和計算機在工作方式的巨大差異。
  • 人工神經網絡與腦控計算機是什麼?
    電腦=電+腦，前半部分是指電流電子，後半部分是指人類大腦，由此可見，人們認為，最能夠形象的表達計算機的一個形容詞，就是人類的大腦，計算機通過內部大量的一些微晶片儀器，然後通過電流來進行將它們聯繫起來互動，而運作的過程其實跟人類大腦的運行方式高度相似。
  • 無處不在的人工神經網絡:機器人擁有意識的關鍵
    人工神經網絡，常常簡稱為神經網絡，是以計算機網絡系統模擬生物神經系統的智能計算系統，是對人腦或自然神經網絡的若干基本特性的抽象和模擬。簡單地講，人工神經網絡就是基於模仿大腦神經網絡結構和功能而建立的一種信息處理系統。人工神經網絡依靠系統的複雜程度，通過調整內部大量節點之間相互連接的關係，從而達到處理信息的目的，其中，這些節點就相當於生物大腦中的「神經元」。
  • 人工神經網絡的五大主要應用場景
    人工神經網絡(ANN)是一種被設計用來模擬人腦分析和處理信息的計算系統。它是人工智慧(AI)的基礎，解決了以人類或統計標準將被證明是不可能或很難解決的問題。人工神經網絡具有自我學習能力，能夠在獲得更多數據的前提下產生更好的結果。人腦對現實世界情境的解讀方式是計算機無法做到的。神經網絡最初是在20世紀50年代發展起來的，目的就是解決這個問題。
  • 【新智元專訪】神經元本身也能編程,神經網絡學習能力遠超預期
    日前，瑞典隆德大學研究人員發表在 PNAS 的一項研究發現，神經元本身也具有編程或者說學習的能力，單個神經元中存儲信息的容量遠超預期。論文作者在接受新智元採訪時表示，這一發現或將為設計全新的人工神經網絡帶來啟發。
  • AI的人工神經網絡
    人工神經網絡是模擬人和動物的神經網絡的某種結構和功能的模擬，所以要了解神經網絡的工作原理，所以我們首先要了解生物神經元。其結構如下圖所示：   而人工神經網絡的基本原理也就是對生物神經元進行儘可能的模擬，當然，以目前的理論水平，製造水平，和應用水平，還與人腦神經網絡的有著很大的差別，它只是對人腦神經網絡有選擇的，單一的，簡化的構造和性能模擬，從而形成了不同功能的，多種類型的，不同層次的神經網絡模型。
  • 胖不胖:看人工神經網絡怎麼「稱」
    進一步線性相關分析發現，三個公式同Inbody3.0儀器測試均呈現出顯著的相關關係。相比原公式推導時的驗證的相關係數，本次實驗數據均達到或超過了原實驗的相關係數，可以看出三個經典方程對於估測體脂百分比均有較好的效度。採用1000人的Inbody3.0儀器檢測數據，輸入指標為年齡、性別、身高、體重和BMI指標，利用BP人工神經網絡進行建模實現更加精確的評估。
  • 你的大腦與人工神經網絡有本質區別嗎?答案令人驚訝!
    他們相信，大腦中充滿了奇蹟，而這些奇蹟不僅僅是神經元之間的聯繫。 最近在同行評議期刊《神經元》(Neuron)上發表的一篇論文挑戰了對人類大腦的傳統認知。這篇題為《直接適應自然: 生物和人工神經網絡的進化》的論文指出了一個相反的觀點，即人類大腦是一個強大的大數據處理器，它的參數與跟人的經驗相匹配，而這種描述通常用於深層神經網絡。
  • 超常大腦大講堂:什麼是人工神經網絡?它和我們大腦有本質區別嗎
    人工神經網絡的原理什麼是人工神經網絡？簡單的說，就是讓程序能夠像大腦處理信息那樣，來處理複雜的工作。一般的人工神經網絡，包含了三部分，輸入層（input layer）、隱藏層（hidden layer）、輸出層（output layer）。如下圖所示簡單地說，輸入層用來接收信息；隱藏層用來處理信息；輸出層用戶來輸出信息。
  • 飛速發展的電子計算機技術,開創人工神經網絡,特點以及優勢較多
    人工神經網絡的產生和發展為實現這一理想展現了一個光明的前景，開闢了一個新的方向。人腦是宇宙中已知的最複雜的結構，科學家們經過不斷的探索已經了解到大腦事實上是一個由數以億計的神經元組成的網絡結構，人腦的感知，記憶、學習和思維等功能就是神經網絡所顯示的活動，是神經元之間的協同效應，是一種「集體智慧」。