一项新的研究介绍了一种新的人脑神经计算模型，该模型可以阐明大脑如何发展复杂的认知能力并推进神经人工智能研究。该研究于 9 月 19 日发表，由来自巴黎巴斯德研究所和索邦大学、CHU Sainte-Justine、Mila-Quebec 人工智能研究所和蒙特利尔大学的国际研究小组进行。
该模型登上了国家科学院院刊 (PNAS) 杂志的封面，描述了信息处理三个层次上的神经发展：
第一个感觉运动层探索大脑的内部活动如何从感知中学习模式并将它们与行动联系起来;
认知水平检查大脑如何根据上下文组合这些模式;
最后，意识层面考虑大脑如何与外部世界分离并操纵学习模式(通过记忆)不再能够被感知。
由于该模型专注于两种基本学习类型之间的相互作用，该团队的研究为认知的核心机制提供了线索：Hebbian learning，与统计规律(即重复)相关，或者正如神经心理学家 Donald Hebb 所说， “一起发射的神经元，连接在一起”——以及与奖励和多巴胺神经递质相关的强化学习。
该模型解决了从视觉识别到有意识感知的认知操纵的三个日益复杂的任务。每一次，团队都会引入一个新的核心机制，使其得以进步。
结果突出了生物神经网络认知能力多层次发展的两个基本机制：
突触表观生成，局部范围的赫布学习和全局范围的强化学习;
和自组织动力学，通过神经元的自发活动和平衡的兴奋/抑制比率。
“我们的模型展示了神经人工智能融合如何突出生物机制和认知架构，这些机制和认知架构可以推动下一代人工智能的发展，甚至最终导致人工智能，”团队成员、计算精神病学助理教授 Guillaume Dumas 说。 UdeM 和 CHU Sainte-Justine 研究中心的首席研究员。
他补充说，达到这一里程碑可能需要整合认知的社会维度。研究人员现在正在研究在人类认知中发挥作用的生物和社会维度的整合。该团队已经率先模拟了两个全脑交互(2012 年在PLoS ONE上发表)。
该团队认为，在生物和社会现实中锚定未来的计算模型不仅将继续阐明认知的核心机制，而且还将有助于为人工智能提供一个独特的桥梁，通往唯一具有先进社会意识的已知系统：人类脑。
标签：