新的神经计算大脑模型可以推动人工智能研究

蒙特利尔大学的一项新研究介绍了一种新的人脑神经计算模型。这种新模型可以更深入地了解大脑如何发展复杂的认知能力，并且可以推进神经人工智能 (AI) 研究。

该研究于 9 月 19 日发表在《美国国家科学院院刊》(PNAS)杂志上。

它由来自巴黎巴斯德研究所和索邦大学、CHU Sainte-Justine、Mila-魁北克人工智能研究所和蒙特利尔大学的国际研究小组进行。

神经发育

该研究描述了三个层次信息处理的神经发育：

感觉运动水平：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。

意识水平：考虑大脑如何与外部世界分离并操纵学习模式（通过记忆）不再可以感知。

由于该模型专注于两种基本学习类型之间的相互作用，这项新研究提供了对认知核心机制的更深入了解。第一个是赫布学习，它与统计规律相关，例如重复。第二个是强化学习，它与奖励和多巴胺神经递质有关。

新开发的模型解决了三个跨层级复杂度越来越高的任务，团队每次都引入新的核心机制，从而帮助其进步。

结果强调了生物神经网络认知能力多层次发展的两个基本机制：

突触后生：赫布学习发生在局部范围内，而强化学习发生在全局范围内。

自组织动力学：神经元的自发活动和平衡的兴奋/抑制比率。

下一代人工智能和人工意识

Guillaume Duman 是 UdeM 的团队成员和计算精神病学助理教授，也是 CHU Sainte-Justine 研究中心的首席研究员。

“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，”杜马斯说。

为了达到这一点，杜马斯说他们可能必须整合认知的社会维度。该团队现在正在研究整合生物和社会维度，他们已经创建了第一个两个全脑交互的模拟。

该团队认为，通过将未来的计算模型锚定在生物和社会现实中，他们将进一步了解认知的核心机制。他们还相信它将在人工智能和人脑之间架起一座桥梁。