科技日報記者 劉霞
希臘研究和技術基金會科學家受生物神經元啟發，開發出一種融入樹突特征的新型人工神經網絡。與傳統人工神經網絡相比，新網絡在參數更少、能耗更低的情況下，實現了圖像識別性能的顯著提升，為打造更緊湊、更節能的人工智能（AI）系統奠定了基礎。相關論文發表于新一期《自然·通訊》雜志。
當前的AI系統“體型”龐大，參數數量從數百萬到數十億不等，能耗巨大，這在一定程度上限制了其廣泛使用。
研究團隊表示，通過模仿大腦中神經元的工作原理，將樹突特征集成到AI內，可以創建更小且更智能的系統。
樹突是神經元短而多分支的結構，形似樹枝。它們的主要職責是從其他神經細胞接收信息，并將其傳遞到細胞體內。盡管科學家尚未透徹理解樹突在信息處理中的具體作用，但研究表明，樹突能夠獨立于主神經元進行復雜的計算。此外，樹突對于大腦的可塑性，即大腦適應環境變化的能力，至關重要。
基于這些發現，團隊提出了一種全新的人工神經元架構。該架構融合了生物樹突的多種特征。他們在各種圖像識別場景中，對該架構的性能進行了測試。結果表明，這些樹枝狀神經網絡可以在使用更少資源，即在更少的訓練參數和學習步驟情況下，媲美或超過傳統神經網絡的性能。
團隊透露，新型人工神經網絡性能的提升得益于一種獨特的學習方法。在該網絡中，多個節點能夠對不同類別進行編碼，而傳統人工神經網絡中，大多數節點往往只針對特定類別進行編碼。融合樹突特征的新型神經網絡在識別模式和決策制訂方面展現出更高效率，這將使AI在多個領域的應用更加高效。
總編輯圈點
在AI技術蓬勃發展的當下，人工神經網絡能耗問題日益凸顯。以訓練AI大模型為例，其過程會耗費海量算力和電力，需要極高的成本投入。這顯然不利于相關技術和產業的綠色可持續發展。為解決這一難題，科研人員正不斷優化人工神經網絡的設計。思路之一便是向人類大腦“取經”，通過模仿人腦神經元的特征，降低人工神經網絡的能耗。這些創新性的嘗試，有望驅動AI技術向更加綠色高效的方向邁進。
