大腦神經元的自反饋機制啟發更好的類腦人工智能

原文地址：http://news.sciencenet.cn/htmlnews/2022/9/486144.shtm

近日，中國科學院自動化研究所類腦智能研究中心研究員曾毅團隊在《神經網絡》上發表了一項新研究，研究將來自生物腦神經元自身反饋以及興奮抑制性神經元平衡的啟發，融入類腦脈沖神經網絡的理論與模型設計，在提升脈沖神經網絡性能的同時加速了網絡的收斂，相關成果已融入類腦認知智能引擎“智脈BrainCog”開源開放。

類腦脈沖神經網絡通過離散的脈沖序列傳遞信息，在處理時空信息方面表現良好，由于其不可微分的特性，設計出具有優越性能的脈沖神經網絡一直存在困難。

曾毅表示，人腦的學習機制與原理分布在宏觀多腦區協同、介觀微環路、微觀神經元與突觸等多個尺度，不同尺度的可塑性與學習機制通過協作與涌現，實現人腦具備的高度自適應的學習能力，因此新一代的人工智能，特別是類腦神經網絡的研究應深度借鑒多尺度的腦結構與機制，尤其是多尺度的生物腦可塑性原理，研發高智能、高性能的類腦脈沖神經網絡。

他認為，最基礎的部分一定要從微觀神經元與突觸學習機制的細節得到啟發，而目前的人工神經網絡以及傳統的脈沖神經網絡在這方面對生物腦的借鑒還非常有限。

人腦神經元之間存在一種特殊的突觸稱為自突觸，它的軸突連接到自身胞體上，對神經元的膜電勢形成一個時延反饋，從而更好地控制脈沖的發放精度以及網絡的活動。論文的第一作者、中科院自動化所助理研究員趙東城介紹說，受此啟發，該研究一方面考慮神經元自身的自突觸構成的反饋，另一方面將每一層看做一個巨大的神經元，引入了一個自適應的時延的自反饋機制來規范膜電勢，從而提升基于反向傳播算法訓練的脈沖神經網絡的精度。

興奮性神經元和抑制性神經元的動態平衡對于穩定和高效地實現認知和行為十分重要。“我們在目前基于反向傳播算法訓練的脈沖神經網絡中引入了抑制性神經元，興奮性神經元以及抑制性性神經元的動態平衡機制加速了脈沖神經網絡的收斂，還提升了網絡的性能。”論文作者之一、中科院自動化所博士生李楊說。

該研究從結構和功能兩個角度借鑒了人腦的重要學習機制，設計了一種基于神經元自反饋、同層反饋以及興奮抑制神經元平衡的脈沖神經網絡，并在廣泛使用的經典視覺識別與分類任務上取得了投稿時同類脈沖神經網絡模型上最好的效果。