为什么AI可能需要更像大脑的另一半|IBM

一个多世纪以来，神经科学一直呈现出关于记忆的简单叙述。神经元火，它们连接，并在这些连接中称为突触，形成了记忆。神经元被视为思想的引擎，并且据信记忆居住在其接线的强度上。但是新型号从IBM的研究人员那里，这种观点可能不完整。它还提高了人类记忆背后的生物学可能有助于指导下一代人工智能的发展。

该理论将大约一半的大脑的非神经神经胶质细胞放置在先前未识别的记忆系统的中心。长期以来考虑的被动支持细胞，星形胶质细胞可能在存储和检索信息中起积极作用。该模型描述了一种联想内存的形式，该形式与高级AI系统共享关键功能，包括变压器。

•有许多证据表明星形胶质细胞参与认知，Leo Kozachkov，IBM研究员和一个合着者最近的论文在理论上，IBM认为 在面试中。我们想知道他们是否可以实施强大的内存系统，所有迹象都指向是。

该模型基于对神经科学研究的悠久历史三方突触，在星形胶质细胞包裹两个神经元之间的连接的地方。在IBM团队的配方中，星形胶质细胞不是被动观察者。取而代之的是，他们以类似于当今使用的一些最复杂的AI系统的内存处理能力的方式参与整个大脑中信息的处理和分布。

几十年来，寻找记忆生活在大脑中的位置已定义了神经科学。主要模型将突触可塑性，神经元之间连接的增强或削弱为记忆的基板。这个想法是生物学理论和人工智能中许多核心假设的基础。

但是现实更加复杂。实验研究发现星形胶质细胞调节突触力量，对神经递质和神经调节剂的反应，似乎在形成和检索长期记忆中发挥作用。这些发现并不总是整齐地融入标准计算模型中，并且它们的含义仍然很难集成到连贯的理论框架中。

这是IBM团队模型进入的环境。它提出了一个系统，神经元，突触和星形胶质细胞过程通过共享的动力网络相互作用。每个元素都由源自基于能量的数学原理的方程式。所得系统向对应于存储的记忆的稳定吸引子状态发展。

中心洞察力是星形胶质细胞可以扩大系统的内存能力。它们的内部钙信号网络使信息可以集成和传播在大空间区域。与仅神经元网络中的内容相比，该体系结构支持一种更具分布和灵活的内存存储类型。

Kozachkov解释了这个想法是如何发展的。他说，首先，我们听了研究星形胶质细胞的实验性神经科学家。”他们有很多证据，表明星形胶质细胞参与了认知，记忆和行为。但是，关于神经元和星形胶质细胞如何一起计算的一小部分特定的正式理论。

还有一个计算角度。团队一直在与密集的关联记忆，一种基于和扩展原始网络的高级网络类型霍普菲尔德模型。这些系统以其强大的内存能力和出色的模式检索功能而闻名。

不幸的是，这些密集的关联记忆网络在记忆能力方面的增长，它们在生物学上损失了。”因此，我们自然想知道这些网络是否可以在生物硬件上实施。

一旦团队开始考虑生物实施，星形胶质细胞很快就成为最有可能的候选人。他们的解剖结构，空间组织和生化动力学都表明了在记忆中的潜在作用。

根据系统的调整方式，该模型的行为可以像密集的关联内存或采用变压器的特征。这种灵活性使其与AI的比较更加宽松。它提供了一种实用方法来考虑大脑和现代机器学习系统如何解决类似问题。

•Kozachkov说，如果我们的理论是正确的，即使在概念上，即使不是概念，它也对我们如何看待大脑的记忆具有深远的影响。”我们的理论表明，记忆可以在单个星形胶质细胞的细胞内信号传导途径中进行编码。突触重量来自这些途径内的相互作用以及星形胶质细胞和突触之间的相互作用。

该理论对AI的含义同样具有挑衅性。当前的机器学习系统与内存斗争。神经网络保留长期信息的能力有限，并且通常使用注意力层或外部记忆单元等体系结构来克服这一点。这些组件增加了计算成本和复杂性。

在模型做出的预测中，在星形胶质细胞中破坏细胞内信号传导应影响记忆回忆，并且选择性干扰星形胶质网络可能会损害某些类型的学习。这些想法是可以测试的，尽管在技术上具有挑战性，并且可以指导基本神经科学和脑启发计算的未来工作。

当然，该模型仍然是理论上的。研究人员清楚地表明，他们的提议是一个框架，而不是一个结论。

Kozachkov说：“首先，如果实验者做出认真的努力来消除我们的模型，那将是很棒的。”也就是说，试图证明这是错误的。我很乐意在这项工作中进行合作。

就目前而言，该理论对智力的结构进行了更广泛的重新考虑。

Kozachkov说，我们正处于寒武纪爆炸的开始。”我们首次知道如何建立智能的非动物实体。这对神经科学具有巨大的影响，这些神经科学难以夸大。

他补充说，他认为神经科学仍然还有更多用于提供机器学习的方法。我认为我们甚至还没有耗尽大脑可以从大脑中采取的想法来建立更智能的系统。不是远射。