以假乱真的硅神经元，能复制人脑吗？( 五 ) _小知识

用硅复制简单的神经回路，帮忙因迪维里发现脑在设计上的隐性益处。他曾经给过一位博士生一块神经形态芯片，这块芯片具有锋电位的频率顺应性，这是一种让人习惯于持续性刺激的机制。因为芯片空间严重，这位学生决议不要这一特征。然而，当他尽力降低对芯片的带宽和功率要求时，他最终获得了现实上与他所删除的锋电位频率顺应不异的工具。因迪维里和他的同事们还发现，长距离发送模拟旌旗灯号的最佳体例并不是，例如说，将其暗示为持续可变的流，而是将其暗示为脉冲串或脉冲序列，正像神经元所做的一样。因迪维里说道：“若是您想把功率和带宽降到最低，神经元所利用的本来就是传输旌旗灯号的最佳手艺。 ”
神经形态硬件还可以让研究人员查验他们关于脑功能的理论。康奈尔大学计较神经科学家托马斯·克莱兰（Thomas Cleland）成立了嗅球模子，以说明嗅觉机制的道理。利用洛以希芯片使他可以或许成立足够快的硬件模子，以仿照生物。当从化学传感器（作为我们气息受体的人工版本）获得数据时，系统学会了只要接管一个样本就能识别气息，这要优于传统的机械进修方式，并接近嗅觉最活络的人。
戴维斯说道：“经由过程像这样当作功的仿照，并现实展示可以用神经形态芯片做到这一点，这确实证实了您真的搞懂系统了。 ”

-Zoe? van Dijk-
克莱兰的嗅觉模子并不老是如预期的那样当作功，但那些“掉败”的尝试也同样具有启迪意义。传感器有时会感觉气息输入与模子展望的分歧，这可能是因为气息比预期的要更复杂或更嘈杂，或者是因为温度或湿度干扰了传感器。他说道：“输入会变得有点不不变，我们知道这骗不了我们的鼻子。 ”研究人员发现，经由过程存眷气息输入中以前被轻忽了的“噪音”，嗅觉系统模子可以准确检测出更多种类的输入。这一成果使克莱兰更新了他的嗅觉模子，研究人员此刻可以不雅察生物系统，看看它们是否也利用这种以前未知的手艺来识别复杂或嘈杂的气息。
克莱兰但愿对他的模子进行改良，使模子能以生物及时运行，以阐发来自数百甚至数千个传感器的气息数据，而这在非神经形态硬件上运行可能需要几天时候。他说道：“只要我们能把算法用到神经形态芯片上，那么它就能很好地工作。 ”“对我来说，最令人兴奋的是当我们真的做了这些改良之后，我们就可以或许运行这些16000个传感器数据集，看看算法会变得何等好。 ”
SpiNNaker、真海说神聊和洛以希芯片都能以生物的现实速度运行对神经元和脑的仿真，这意味着研究人员可以利用这些芯片来及时识别刺激，如图像、手势或声音，并当即进行处置和作出响应。除了让克莱兰的人工鼻处置气息外，这些能力还可以让机械人及时感知情况并做出反映，同时只耗损少少的电力。这比大大都传统的计较机有很大的前进。

-Matt Chinworth-
对于某些应用来说，好比成立进修过程的模子可能需要数周、数月甚至数年的时候，若是速度能快一点，就会有所帮忙。这就是BrainScaleS的优势地点，它的运行速度大约是生物脑的1000至10000倍。并且这个系统只会越来越进步前辈。它正处于进级到BrainScaleS2的过程中，正在与神经科学家紧密亲密合作以开辟新版本所用的新处置器。
新系统将可以或许更好地仿照进修和化学过程，好比多巴胺对进修的影响，而这些都是其他神经形态系统无法复制的。研究人员暗示，它还将可以或许建模各类神经元、树突和离子通道，以及布局可塑性的一些特征，如突触的丢掉和发展。也许有一天，该系统甚至可以或许接近人的进修和智能。帮忙开辟BrainScaleS的海德堡大学生物物理学家约翰内斯·舍梅尔（Johannes Schemmel）说道：“理解生物智能，我认为是本宿世纪迄今为止最大的问题。 ”

以假乱真的硅神经元，能复制人脑吗？( 五 )

猜你喜欢