據(jù)國外媒體報道，幾十年來科學(xué)家們認(rèn)為學(xué)習(xí)發(fā)生在突觸或腦細(xì)胞之間的眾多連接處。但是現(xiàn)在，一項新的研究提出，學(xué)習(xí)發(fā)生在少數(shù)樹突中，即為腦細(xì)胞或神經(jīng)元提供輸入的分支。
在一篇發(fā)表在《科學(xué)報告》雜志上的論文中，作者描述了他們在研究了神經(jīng)元和細(xì)胞培養(yǎng)的計算機(jī)模型后得出了這個結(jié)論。
在大腦的廣闊神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元的行為就像是通過它們的樹突吸收輸入的小微芯片，并且當(dāng)達(dá)到某些條件時使用它們的軸突產(chǎn)生輸出。
軸突依次通過稱為突觸的鏈接與其他神經(jīng)元的樹突相連。每個神經(jīng)元的突觸比樹突多得多。
新研究的一個重要結(jié)果是，因為它提出學(xué)習(xí)發(fā)生在樹突而不是突觸，每個神經(jīng)元的學(xué)習(xí)參數(shù)比以前想象的要少得多。
“在這個新的樹突學(xué)習(xí)過程中，”在以色列巴伊蘭大學(xué)的Gonda學(xué)科腦研究中心的高級研究作者Ido Kanter教授指出，“每個神經(jīng)元有幾個自適應(yīng)參數(shù)，相比之下，數(shù)千個微小的敏感的在突觸學(xué)習(xí)場景中。“
學(xué)習(xí)發(fā)生得比我們想象的要快
這項新研究的另一個重要結(jié)果是，新的樹突模型比傳統(tǒng)的突觸模型在學(xué)習(xí)過程中發(fā)生得更快。
這些結(jié)果可能對腦部疾病治療和計算機(jī)應(yīng)用設(shè)計（如“深度學(xué)習(xí)算法”和人工智能）的設(shè)計有重要意義，這些都是模仿大腦工作方式。
研究人員預(yù)計，就后者而言，他們的研究為設(shè)計更高級的功能和更快的處理速度打開了大門。
傳統(tǒng)的突觸學(xué)習(xí)模式植根于1949年出版的 《行為組織》（The Organization of Behavior）一書中的 Donald Hebb的開拓性工作。
坎特教授和他的同事稱之為“通過鏈接學(xué)習(xí)”的模型提出，在學(xué)習(xí)過程中發(fā)生變化的“學(xué)習(xí)參數(shù)”反映了每個神經(jīng)元的突觸或鏈接的數(shù)量，這些是計算單位在神經(jīng)網(wǎng)絡(luò)中。
'通過節(jié)點學(xué)習(xí)'
在他們稱之為“節(jié)點學(xué)習(xí)”的新模型中，研究人員提出，學(xué)習(xí)參數(shù)不反映突觸的數(shù)量，其中每個神經(jīng)元有許多突觸，而是樹突或節(jié)點的數(shù)目，其中有只有每個神經(jīng)元少數(shù)。
因此，他們解釋說，“在連接神經(jīng)元的網(wǎng)絡(luò)中”，突觸模型中每個神經(jīng)元的學(xué)習(xí)參數(shù)數(shù)量比樹狀模型中的數(shù)量“明顯更大”。
他們研究的主要目的是比較“突觸（鏈接）和樹狀（節(jié)點）學(xué)習(xí)情景之間的協(xié)同動力學(xué)特性”。
研究作者得出結(jié)論，他們的結(jié)果“強(qiáng)烈表明神經(jīng)元樹突中發(fā)生更快和更強(qiáng)的學(xué)習(xí)過程，類似于目前歸因于突觸的過程?！?/p>
弱突觸在學(xué)習(xí)中起關(guān)鍵作用
這項研究的另一個重要發(fā)現(xiàn)是，似乎大多數(shù)大腦被認(rèn)為在學(xué)習(xí)中起著不重要作用的弱突觸，實際上是非常重要的。
作者指出，“這種動態(tài)是違反直覺主要由薄弱環(huán)節(jié)控制的?！?/p>
看起來，在樹突模型中，弱突觸導(dǎo)致學(xué)習(xí)參數(shù)振蕩，而不是像“突觸模型”那樣進(jìn)入“不切實際的固定極值”。
坎特教授通過比較我們應(yīng)該如何測量空氣質(zhì)量來總結(jié)結(jié)果。
“這是有意義的嗎？”他問道，“通過摩天大樓上的許多微小的遙遠(yuǎn)的衛(wèi)星傳感器，或者用接近鼻子的一個或幾個傳感器來測量我們呼吸的空氣的質(zhì)量?！鳖愃频兀窠?jīng)元更接近于其計算單元神經(jīng)元的輸入信號。
