银纳米线网络似乎可以像人类大脑一样学习和记忆

在过去一年左右的时间里，像ChatGPT和DALL-E这样的生成式人工智能模型，已经使得从一系列简单的提示中产生大量明显类似人类的高质量创意内容成为可能。

尽管，目前的人工智能系统能力很强（尤其是在大数据模式识别任务上的表现远远超过人类），但它们的智能程度与我们不同。人工智能系统的结构与我们的大脑不同，也不以同样的方式学习。

人工智能系统也会在训练中使用大量的能量和资源（与我们一天三顿左右的饭相比）。它们在动态的、难以预测的和嘈杂的环境中适应和运作的能力与我们相比还很差，而且它们缺乏像人类一样的记忆能力。

现在，一项新的研究探索了更像人类大脑的非生物系统。在发表在《科学进展》上的一项研究中，科学家们发现，由微小银线组成的自组织网络，似乎与我们大脑中的思维硬件的学习和记忆方式非常相似。

模仿大脑

这项新的研究工作是神经形态研究领域的一部分，旨在非生物系统中复制生物神经元和突触的结构和功能。他们的研究重点是一个系统，它使用“纳米线”网络来模拟大脑中的神经元和突触。

这些纳米线是人类头发宽度的千分之一。它们是由高导电性的金属（如银）制成的，通常还会涂上一层绝缘材料（如塑料）。

上图：左图：银纳米线网络的显微镜图像。右图：纳米线网络中的强化和修剪（弱化）路径。

纳米线自组装会形成类似生物神经网络的网络结构。就像神经元有一层绝缘膜一样，每条金属纳米线都有一层薄薄的绝缘层。

当研究人员用电信号刺激纳米线时，离子会穿过绝缘层，进入邻近的纳米线（很像神经递质穿过突触）。因此，科学家们在纳米线网络中观察到了类似突触的电信号。

学习与记忆

这项新工作使用这种纳米线系统来探索类人智能的问题。科学家研究的核心是表明高阶认知功能的两个特征：学习和记忆。

研究表明，研究人员可以选择性地加强（和削弱）纳米线网络中的突触通路。这类似于大脑中的“监督学习”。

在这个过程中，将突触的输出与期望的结果进行比较。然后，这些突触被加强（如果它们的输出接近预期结果）或者被修剪（如果它们的输出不接近预期结果）。

研究人员对这一结果进行了扩展，展示了可以通过“奖励”或“惩罚”网络来增加强化的数量。这一过程的灵感来自于大脑中的“强化学习”。

上图：神经突触示意图。

研究人员还实施了一个名为“n-back任务”的测试版本，用于测量人类的工作记忆。它包括呈现一系列刺激，并将每个新条目与若干步（n）前发生的条目进行比较。

该网络“记住”了至少七个步骤之前的信号。奇怪的是，“7个”通常被认为是人类一次可以在工作记忆中保存的项目的平均数量。

当研究人员使用强化学习时，他们看到了网络记忆性能的显著提高。

在该纳米线网络中，研究人员发现，突触通路的形成取决于这些突触过去是如何被激活的。大脑中的突触也是如此，神经科学家称之为“突触再可塑性”。

人工智能

现在看，人类的智能距离被复制还有很长的路要走。

尽管如此，科学家对神经形态纳米线网络的研究表明，在非生物的物理硬件中实现智能的基本特征（如学习和记忆），是完全可能的。

纳米线网络不同于人工智能中使用的人工神经网络。不过，它们可能会导致所谓的“人工智能”。也许有一天，神经形态的纳米线网络可以学会进行比ChatGPT更像人类的对话，并记住它们。

如果朋友们喜欢，敬请关注“知新了了”！