人工神經網以大腦為基礎
一組科學家發現，人腦和人工神經網絡感知世界的方式居然驚人地相似，人工神經網路以對大腦的生理研究成果為基礎，其目的在於模擬大腦的某些機制，實現某方面的功能，神經網路由大量的人工神經元聯結進行計算，在大多數的情況下人工神經網路能在外界資訊的基礎上改變內部結構，是一種自適應的系統，通俗的講就是具備學習功能。而在人類大腦當中，視覺會經過大腦皮層投射出來，特別是高級哺乳類動物，大腦皮層存在著許多分層結構，在新皮層由外向內依次為1到6層。不同層的細胞類型和分布，以及投射模式也會有所不同，意思就是每個皮層會解釋眼睛看到的不同面向，最終把我們周圍世界的感知所拼湊在一起。
大腦分析3D形狀的反應與人工神經網絡相似
10月22號有一篇發表在《當代生物學》(Current Biology)雜誌上的一項新研究，科學家發現大腦分析球體這樣的3D形狀反應居然也會發生在人工神經網絡當中。我們都知道神經網絡是一種明確模仿大腦的人工智能架構，它以類似我們大腦處理消息的方式來運作，這似乎已經是一件很尋常的事，但在科學家們在看到演算法AlexNet之前並不瞭解生物的大腦到底是如何工作的。
AlexNet是第一個深度學習的架構，它是由深度學習先鋒之一——Geoffrey Hinton和他的同事們共同研究並引入的。AlexNet看似簡單但功能卻非常強大，它為現在深度學習的突破性研究鋪平了道路，AlexNet是運用神經網路完成各種任務的起點，不管是完成計算機視覺任務，還是語音識別任務，都仍然需要AlexNet。
大腦的V4區域和AlexNet第3層的圖像反應模式相似
研究作者埃德·康納(Ed Connor)和他的團隊對自然神經元和人工神經元的圖像反應進行了相同的測試，結果發現大腦的V4區域和AlexNet第3層的圖像反應模式非常相似。（人類的大腦視覺皮層包括初級視皮層V1，亦稱紋狀皮層Striate cortex以及紋外皮層Extrastriate cortex，例如V2，V3，V4，V5等。）
而這次發表在《當代生物學》雜誌上的研究者翰霍普金斯大學神經學家在一份新聞稿中說：「我從來沒有想到會在AlexNet上發現同樣的東西，過去40年來，人們一直將研究的重點放在V4區域的神經元如何去呈現二維形狀。」隨後約翰霍普金斯大學的研究人員在AlexNet的早期階段(第3層)中就發現了人工神經元與人腦幾乎有相同的反應。
神經網絡可以讓我們瞭解我們的大腦，就像我們利用我們對大腦的瞭解來開發新的神經網絡一樣，埃德·康納(Ed Connor)也表示：「人工網絡是目前研究大腦最有幫助以及前景的模型。」
圖片來源：IMAGES VIA PIXABAY/VICTOR TANGERMANN
資料來源：DAN ROBITZSKI(2020,OCTOBER 23).SCIENTISTS DISCOVER SURPRISING SIMILARITY BETWEEN NEURAL NETWORKS AND HUMAN BRAIN. Futurism
更多科學與科技新聞都可以直接上 明日科學網站 www.tomorrowsci.com