关于人工和生物神经网络研究的视角

进化中，生物随着时间的推移，生物体适应周围环境的过程，已被广泛研究多年来。作为达尔文在19世纪中期的第一次假设，研究证据表明，大多数生物物种，包括人类，不断适应新的环境环境，最终能够实现他们的生存。

近年来，研究人员一直在开发基于人工神经网络的先进的计算技术，这是由架构启发的架构生物神经网络在里面人脑。基于人工神经网络的模型训练，以优化数百万突触权重，以便准确预测或分类数据。

普林斯顿大学的研究人员最近进行了一项研究，研究了从进化的角度来调查人工和生物神经网络之间的相似性和差异。他们的论文，发表在神经元，比较了使用心理学理论的生物神经网络的演变。

“这个项目源于为什么现代深度神经网络擅长的拼图 - 并且学会和人类在许多复杂的认知任务，”Uri Hasson和Sam Nastase，纸上的主要作者说，bob游戏医疗Xpress。“这种拼图吸引了我们对相似​​性以及人工和生物神经网络之间的差异。”

虽然相当多的心理学和神经科学研究人员试图更好地了解结构和运作深神经网络由于他们的复杂性，许多人发现它们很难或无法解释。Hasson，Nastase及其同事Ariel Goldstein希望表明，试图描述使用简单和直观的表示的大脑中的复杂神经网络可能是强大的挑战性和不切实际的。

“我们认为人工神经网络和生物神经网络都旨在引导行动真实世界“哈森和纳斯态解释”。“科学家们试图了解世界的潜在结构，但神经网络学习从世界的有用元素到有用的行为（或产出）直接映射。他们没有构建世界的理想或直观的模型 - 相反，他们使用过多的参数（例如，连接权重或突触）来反映世界上的任何任务相关结构。“

在他们的论文中，研究人员基本上提出了基于人工神经网络的模型不学习他们周围世界的规则或表示，这很容易被人类解释。相反，它们通常使用本地计算来分析高维参数空间中数据的不同方面。

为了进一步解释他们的推理，Hasson，Nastase和Goldstein使用了现有神经网络的两个简单示例。在他们的论文中，他们描述了这两个网络如何学习如何在不学习理想的“规则”中遇到遇到的不同数据，而不是用于泛化。然后，他们在人工神经网络采用的“无意识的”优化的学习策略之间具有类比，并“盲目”适应物种，包括人类，多年的生物进化。

“我们认为大脑与人工神经网络之间的相似之处可能会破坏实验神经科学中的一些标准实践，”哈森和纳斯塔序列说。“更具体地，我们建议使用紧密控制的实验操纵来探测大脑的传统，以便简单，直观的反应可能是误导性的。另一方面，我们怀疑人工神经网络将从更多生态目标函数的发展中受益匪浅(i.e., goals)."

该研究人员小组进行的理论分析可能对未来的心理学和神经科学研究具有许多有趣的影响，特别是对于旨在更好地理解人工神经网络的研究。值得注意的是，他们的发现突出了对普遍用于研究人脑的方法的变化以及由其启发的新的计算架构的需求。

基本上，哈斯森，纳斯塔酶和Goldstein认为，利用具有揭示简单规则或表示的希望的实验操纵不太可能产生可以有效地应用于现实世界的模型。相比之下，对大型模型的大数据的无意识拟合很可能为大脑提供所需的偏见来行动和预测现实世界中的现象。这种盲目优化，如进化论，可能更适合大脑，因为它是指导学习不同现实现象的相对简单和有力的方式。

“我们现在计划开发进一步的自然主义实验范式来探索人类脑在更生态的背景下，“Hasson和Nastase说。”我们也有兴趣探索人类的大脑人工神经网络互动，以及我们是否可以识别两者之间的共享信号。“

---

---

©2020科学BOB体育赌博X网络