新方法对一个生物的编程语言

计算机科学家新发现你所领导的研究小组格拉茨沃尔夫冈马斯河和罗伯特Legenstein在大脑中的神经信息处理能够更高效的人工智能方法。

具体地说,研究人员已经成功地之间的数学建模和交互出现所谓的“组件”。这些大脑中的神经元群体形成更高的思维等认知能力的基础,想象,争论、计划或语音处理。

更好的理解大脑是如何工作的

加拿大神经学家唐纳德·h .赫假设神经元早在1949年,这些组织形式,换句话说,他们共同行动编码个别单词或符号,以及整体的“概念”。“然而,程序集的存在只有变得更巩固近年来,和我们的模型都是基于最新的结果大脑研究”,马斯河解释说。

总成流动实体不断重组过程环境刺激,给他们一个象征意义,它们,将它们转化为知识结构。这adaptability-also称为plasticity-provides大脑能够克服其有限的处理能力和形成一个“无限”的模式。

结果不仅有助于更好地了解大脑,它们也可能导致有效的新的人工智能方法,结合人工智能研究两个主要方法的优点:象征性和联结主义。

符号和联结主义信息处理

符号系统的算法是基于已定义的规则(如果/那么命令)和逻辑公式,并通过能力有说服力的文摘:即概括的能力和一般情况下应用于具体的事实。因为这个原因他们是最佳适合简单应用全新的情况。然而,之平衡系统必须被编程以复杂的方式,不能训练要求应用程序通过大量数据,尽可能神经网络。后者包括小,网络和自组织自适应计算单位和合作时可以快速解决复杂的问题。神经网络的学习能力使得当前人工智能研究的联结主义的方法更有吸引力和现代人工智能应用程序。然而,神经网络有困难的任务,没有出现在他们的训练集。

人类脑部结构的机器

现在提供的装配模型旨在把抽象的能力与学习能力。“这些神经网络工作象征性地与他们的组件。我们使用的范式是人类的大脑,也结合,”Legenstein说。

工作,也涉及到诺丁汉大学的研究人员,加州大学伯克利分校和乔治亚理工学院,被部分纳入人类大脑计划(HBP)——欧洲跨学科研究协会自2015年起一直在电子重建人类大脑并模拟其功能。沃尔夫冈马斯河和他的团队负责的原则计算工作包在人类大脑的项目。