在過去這段時(shí)間，ChatGPT和DALL-E這樣的生成式AI模型占據(jù)著新聞?lì)^條。它們能從一系列簡(jiǎn)單的提示中產(chǎn)生大量類似人類的高質(zhì)量創(chuàng)意內(nèi)容。
雖然人工智能的能力很強(qiáng)，特別是，它們?cè)诖髷?shù)據(jù)模模式的識(shí)別任務(wù)中遠(yuǎn)遠(yuǎn)超過了人類，但現(xiàn)有的AI系統(tǒng)還不能說像我們這樣具有智能。AI系統(tǒng)的結(jié)構(gòu)完全不像我們的大腦，它們和人類的學(xué)習(xí)方式也不一樣。
AI系統(tǒng)還需要使用巨大的能量和資源進(jìn)行訓(xùn)練，和我們的一日三餐相比那可要多得多。與我們相比，它們?cè)趧?dòng)態(tài)的、難以預(yù)測(cè)的和噪聲環(huán)境中適應(yīng)和運(yùn)作的能力也比較差，并且缺乏類似人類的記憶能力。
但近年來(lái)，還有一個(gè)被稱為神經(jīng)形態(tài)學(xué)的研究領(lǐng)域另辟蹊徑。這一領(lǐng)域的目標(biāo)是在非生物系統(tǒng)中復(fù)制出生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，比如神經(jīng)元和突觸，也就是探索那些更像人腦的非生物系統(tǒng)。
先前已有研究表明，納米技術(shù)有潛力建立一個(gè)具有類似神經(jīng)網(wǎng)絡(luò)回路和突觸信號(hào)的受大腦啟發(fā)的電子裝置。在《科學(xué)進(jìn)展》上發(fā)表的一項(xiàng)新研究中，研究人員在此基礎(chǔ)上進(jìn)一步發(fā)現(xiàn)，由微型銀線組成的自組織網(wǎng)絡(luò)，似乎能以類似人腦思維硬件的方式進(jìn)行學(xué)習(xí)和記憶。
模仿大腦
這項(xiàng)研究的重點(diǎn)是一個(gè)使用納米線網(wǎng)絡(luò)，來(lái)模仿大腦中神經(jīng)元和突觸的系統(tǒng)，并測(cè)試一些通常認(rèn)為的與人腦有關(guān)的高階認(rèn)知功能。
這些納米線就是微型的電線，它們的寬度只有人類發(fā)絲的千分之一，由銀這樣的高度導(dǎo)電的金屬制成，通常涂在塑料等絕緣材料上。納米線能夠自組裝，形成類似生物神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。就像帶有絕緣膜的神經(jīng)元一樣，每根金屬納米線都涂有一層薄絕緣層。
神經(jīng)網(wǎng)絡(luò)（左）與納米線網(wǎng)絡(luò)（右）。（圖/Loeffler, et al.）
當(dāng)電信號(hào)刺激納米線時(shí)，離子會(huì)穿過絕緣層，并遷移到相鄰的納米線中，這很像跨越突觸的神經(jīng)遞質(zhì)。也就是說，研究人員觀察到了納米線網(wǎng)絡(luò)中類似突觸的電信號(hào)。
新研究使用這個(gè)納米線系統(tǒng)來(lái)探索類似人類的智能問題，研究主要集中在高階認(rèn)知功能的兩個(gè)特征：學(xué)習(xí)和記憶。
在這項(xiàng)研究中，科學(xué)家可以有選擇地強(qiáng)化和削弱納米線網(wǎng)絡(luò)中的突觸途徑。在這個(gè)過程中，突觸的輸出會(huì)與期望的結(jié)果進(jìn)行比較，如果輸出接近期望結(jié)果，突觸會(huì)被加強(qiáng)，反之則會(huì)被削減。這就好像大腦中的“監(jiān)督學(xué)習(xí)”。
納米線網(wǎng)絡(luò)照片（左）與網(wǎng)絡(luò)路徑的變化與強(qiáng)化（右）。（圖/Alon Loeffler）
研究人員對(duì)這一結(jié)果進(jìn)行了擴(kuò)展。他們發(fā)現(xiàn)，通過“獎(jiǎng)勵(lì)”或“懲罰”網(wǎng)絡(luò)，也可以增加強(qiáng)化的程度。這個(gè)過程受到了大腦中“強(qiáng)化學(xué)習(xí)”的啟發(fā)。
團(tuán)隊(duì)同樣實(shí)施了一個(gè)被稱為“n-back任務(wù)”的測(cè)試版本，這個(gè)測(cè)試通常被用來(lái)測(cè)量人類的工作記憶。測(cè)試中會(huì)呈現(xiàn)一系列刺激，每個(gè)新信號(hào)會(huì)與若干（n）步驟之前的信號(hào)進(jìn)行比較。結(jié)果顯示，網(wǎng)絡(luò)能“記住”先前的至少7步信號(hào)。神奇的是，7也通常被認(rèn)為是人類能夠在同一時(shí)間內(nèi)保存在工作記憶中項(xiàng)目的平均數(shù)量。
當(dāng)研究人員使用強(qiáng)化學(xué)習(xí)時(shí)，網(wǎng)絡(luò)的記憶性能也產(chǎn)生了極大改善。在新研究所涉及的納米線網(wǎng)絡(luò)中，研究人員發(fā)現(xiàn)，突觸通路的形成取決于這些突觸在過去是如何被激活的。大腦中突觸同樣如此，神經(jīng)科學(xué)家稱之為“元彈性”。
合成智能
盡管這距離真正復(fù)制人類的智能可能仍有一段距離，但是，對(duì)神經(jīng)形態(tài)納米線網(wǎng)絡(luò)的研究表明，的確有可能在非生物的物理硬件中實(shí)現(xiàn)智能的基本特征，比如關(guān)鍵的學(xué)習(xí)和記憶。
納米線網(wǎng)絡(luò)與人工智能中使用的人工神經(jīng)網(wǎng)絡(luò)不同，但它們?nèi)钥赡軒?lái)所謂的“合成智能”。如果大膽展望一下，也許有一天，神經(jīng)形態(tài)的納米線網(wǎng)絡(luò)可以學(xué)會(huì)進(jìn)行比ChatGPT更像人類的對(duì)話，并記住它們。
撰文：Alon Loeffler & Zdenka Kuncic（悉尼大學(xué)）
編譯：Takeko
參考來(lái)源：
https://theconversation.com/networks-of-silver-nanowires-seem-to-learn-and-remember-much-like-our-brains-204115
https://phys.org/news/2023-04-nanowire-networks-human-brain.html
聯(lián)系客服
