大脑连接可以构建更好的人工智能

一个新的研究显示,人工智能基于人脑连接的网络可以有效地执行认知任务。

通过检查来自大型开放科学存储库的MRI数据，研究人员重建了大脑连接模式，并将其应用于人工神经网络(ANN)。人工神经网络是由多个输入和输出单元组成的计算系统，很像生物大脑。来自neuroo(蒙特利尔神经学研究所-医院)和魁北克人工智能研究所的一组研究人员训练人工神经网络执行认知记忆任务，并观察它如何完成任务。

这在两个方面是一种独特的方法。以前关于大脑连接的研究，也被称为连接组学，专注于描述大脑组织，而没有观察它实际上是如何执行计算和功能的。其次，传统的人工神经网络具有任意的结构，不能反映真实的大脑网络是如何组织的．通过将大脑连接组学集成到人工神经网络架构的构建中，研究人员希望既能了解大脑的连接如何支持特定的认知技能，又能推导出人工网络的新颖设计原则。

他们发现，与其他基准架构相比，具有人脑连接的ann(称为神经形态神经网络)执行认知记忆任务更灵活、更有效。神经形态神经网络能够使用相同的底层架构来支持跨多种环境的广泛学习能力。

“这个项目结合了两个充满活力和快节奏的科学学科，”神经科学研究所研究员、该论文的资深作者布拉蒂斯拉夫·米西奇(Bratislav Misic)说。

”神经科学和人工智能有着共同的根源，但最近出现了分歧。使用人工网络将有助于我们理解大脑结构是如何支持大脑功能的。反过来，使用经验数据来构建神经网络将揭示构建更好AI的设计原则。因此，这两者将互相帮助，丰富我们对大脑的理解。”