创建混合神经网络的未来

电子说

1.2w人已加入

描述

深度学习是一个很大的领域,其核心是一个神经网络的算法,神经网络的尺寸由数百万甚至数十亿个不断改变的参数决定。似乎每隔几天就有大量的新方法提出。

然而,一般来说,现在的深度学习算法可以分为三个基础的学习范式。每一种学习方法和信念都为提高当前深度学习的能力和范围提供了巨大的潜力和兴趣。

混合学习-现代深度学习方法如何跨越有监督和无监督学习的界限,以适应大量未使用的未标记数据?

成分学习-如何采用一种创新的方法将不同的组件链接起来生成一个混合的模型,这个模型的效果比各个部分简单的加和效果要好?

简化学习-如何在保持相同或规模的预测能力的同时,减少模型的大小和信息流,以达到性能和部署的目的?

深度学习的未来主要在于这三种学习范式,每一种都紧密链接。

近日,由英、意,瑞三国联合创建的一个混合神经网络诞生了,其特殊之处在于使用互联网将信号从生物神经元传输到人工神经元。这可谓是神经电子连接技术研究上的一重大突破,未来有望在我们的大脑与互联网之间建立起连接,实现大脑可以与数据实时交互。当然,这一概念从科学研究到实践运用还需要长时间的探索,不如先从本周英国南安普敦大学发表的科学研究来一窥混合神经网络背后的原理。

该研究是从老鼠身上培养的生物神经元,并可以通过一种类似生物突触的元件将信息传递给人工神经元,反之亦然。这项研究的所有三个要素:人工神经元、生物神经元和突触部分位于世界的不同地方,通过互联网连接起来。

在自然界,大脑通过一个庞大的神经元网络来运作,神经元通过电信号将信息发送到其他神经元,这些信号被单独称为“动作电位”(action potential)。神经元之间相接触的部位(这种信号在上面传输)名为突触。神经元只能沿一个方向发送信息。信号将通过一个神经元传送到输出端。信息通过突触传输,刺激接收端的下一个神经元,依此类推。

生物神经元是从大鼠身上培养的,精心组织后植入到了苏黎世大学和苏黎世联邦理工学院的一个电极阵列上。借助精巧完善的实验室技术,可以发送来自这些神经元的电信号,并接收捕获的信号。

人工神经元是在意大利帕多瓦大学研发的,被排列在硅微芯片上。就像生物神经元一样,人工神经元能够发送并接收可以读取和测量的信号。在南安普敦大学,科学家们使用了忆阻器(能够传递电荷的微型电路部件)来制造物理器件,这种器件的作用是将信息从生物神经元传递到人工神经元,反之亦然。因而得到的人工突触被称为synpator。由于神经元之间输入和输出的差异,构造了两个单独的人工突触来完成电路,一个代表大脑到硅片,另一个代表硅片到大脑。这两个人工突触中使用的尖端纳米技术方面的细微差异导致了一条单向电路。从这个意义上说,该系统模仿大脑,信息只能沿一个方向通过其各自的系统来传输。

创建混合神经网络的未来

由于需要揭露人类思维的奥秘,因此我的哲学基础促使我在技术,技术之前接受了心理分析,心理学和神经科学方面的培训。我致力于研究人类的思想,而没有忽视作为硬件和计算开发人员多年的技术技能。

对我来说,人类是如此强大,以至于他从一开始就具有克服自己的能力和利用技术的优势。火的发现,砂轮,用于制造工具的材料的处理是技术进步,与我们今天开发的技术一样重要。显然,我们必须将每个人都定位在他的时代,但是全人类的进步和成功故事的规模是毋庸置疑的。

这些进步之一已经在科学环境中应用了不到一年,并且涉及到混合神经网络的创建。

我们认为脑功能是可能的,因为神经元回路是通过微观但高度复杂的连接(称为突触)发生的。

在这个新概念中,科学家能够创建一个混合神经网络,位于世界各地的生物和人工神经元可以通过Internet相互通信。使用尖端的纳米技术开发出人工突触的核心之后,这种交流才成为可能。

这个复杂的项目是在不同的欧洲国家开发的,每个项目分别负责该项目的不同部分。

该研究分为几个部分。意大利是负责培养啮齿动物神经元的国家,而瑞士则负责创建人工神经元。另一方面,在英国,正在开发它们之间进行通信的过程,通过对发达的纳米电子突触进行精细控制的配置来构成虚拟实验室。

尽管这是一个初期且简化的过程,但对于科学来说是巨大的进步。在这个项目中,有可能通过互联网将信息从生物神经元传输到人工神经元,也可以反向传输。

这些第一步是神经电子互联网发展的关键。现在,研究人员预计,他们的方法将激发人们对一系列科学学科的兴趣,并加快神经接口研究领域的创新和科学进步的步伐。尤其是,无缝链接全球不同技术的能力是迈向这些技术民主化的一步,从而消除了协作的重要障碍。

另一方面,它为更复杂的混合网络的研究打开了大门,该网络可用于人类,以弥补某些缺陷,即为交换大脑和计算机之间的相互作用创造平台。脑部功能失调。由AI芯片生成复杂的混合神经网络。显然,鉴于研究的现状,这将是一个有点未来主义的全景图,但是到目前为止所取得的成就开辟了一系列可能性。

(雷锋网,上海市大数据股份,互联网分析沙龙网综合整理)

责任编辑:lq

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分