0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

單個(gè)神經(jīng)元不可靠!新研究推翻以往認(rèn)知

mK5P_AItists ? 來源:YXQ ? 2019-07-09 17:24 ? 次閱讀

一項(xiàng)關(guān)于神經(jīng)元的研究,讓眾人看嗨了。這項(xiàng)研究通過在小鼠身上做實(shí)驗(yàn),先展示了神經(jīng)元“不靠譜”的一面:單個(gè)神經(jīng)元兩次對(duì)相同視覺刺激的反應(yīng),竟然是不一樣的。

對(duì)于神經(jīng)元的“不靠譜”性,此前的解釋一直集中在噪音這個(gè)點(diǎn)。

而這項(xiàng)研究卻實(shí)實(shí)在在推翻了此前觀點(diǎn),作者通過實(shí)驗(yàn)證明了:即使有噪音,神經(jīng)元還是有能力獲取高精度的視覺編碼。

主導(dǎo)這項(xiàng)研究的小姐姐認(rèn)為,小鼠感知能力的限制不由視覺皮層的神經(jīng)噪音決定,而是受神經(jīng)解碼過程的限制。

在這項(xiàng)推特轉(zhuǎn)發(fā)超過600,點(diǎn)贊超過2000的研究下,神經(jīng)科學(xué)家和AI科學(xué)家一起興奮,“Pretty Cool”“Awesome”“Great story”等贊美聲此起彼伏。

雖然不是AI界日常討論的人工神經(jīng)網(wǎng)絡(luò),而是自然界中動(dòng)物們身上存在的生物神經(jīng)網(wǎng)絡(luò),兩者并不完全一樣,但動(dòng)物們自身的特征,卻往往是啟發(fā)科學(xué)家們的關(guān)鍵。

高通深度學(xué)習(xí)研究工程師Jakub Tomczak想到,它和AI中的Dropout十分類似,像是近似貝葉斯平均。

Dropout,正是指的Geoffrey Hinton等人在2014年提出的防止人工神經(jīng)網(wǎng)絡(luò)過擬合的正則化技術(shù),現(xiàn)在已經(jīng)成為了谷歌手中的專利。

AI工程師@AIexLaurence表示,就像AI一樣,單個(gè)神經(jīng)元(或者節(jié)點(diǎn))并不表示特定的概念,是由神經(jīng)網(wǎng)絡(luò)中特定的激活模式?jīng)Q定的。

AIexLaurence還認(rèn)為,這項(xiàng)生物學(xué)研究可能會(huì)對(duì)神經(jīng)網(wǎng)絡(luò)權(quán)重的研究有啟發(fā)。

還有人認(rèn)為,在神經(jīng)元自帶不確定性的前提下,大腦依賴投票/閾值機(jī)制產(chǎn)生的反饋信號(hào)來判定輸入的感知信息。另外,除了神經(jīng)的原因之外,也可能是動(dòng)物眼睛的微觀結(jié)構(gòu)決定。

能讓搞生物的和搞計(jì)算機(jī)的有同樣的high點(diǎn),這具體是項(xiàng)怎樣的研究?

“不靠譜”的神經(jīng)元

事情,還要從神經(jīng)元說起。

對(duì),就是中學(xué)生物里構(gòu)成神經(jīng)網(wǎng)絡(luò)的那個(gè)長(zhǎng)長(zhǎng)的細(xì)胞。

可能不少AI領(lǐng)域的同學(xué)還不知道,在神經(jīng)科學(xué)領(lǐng)域,神經(jīng)元和AI界的擁有不確定性的神經(jīng)網(wǎng)絡(luò)一樣,都是不靠譜的存在。

神經(jīng)元,就像一個(gè)腦洞清奇的少年,即使是同樣的信息呈現(xiàn)在他面前,他每次都會(huì)給出不一樣的反應(yīng)。

究其原因,在于噪聲頻發(fā),影響神經(jīng)編碼。

神經(jīng)編碼,跟計(jì)算機(jī)的編碼不是一回事。由于感覺信息與其它信息,都是由腦中的生物神經(jīng)網(wǎng)絡(luò)來承載與呈現(xiàn)的,所以人們認(rèn)為,神經(jīng)元有某種編碼能力,處理你身體感知到的光線、聲音、味道等信息。

也就是說,神經(jīng)編碼過程是試圖建立從刺激到反應(yīng)的映射,著眼于理解神經(jīng)元如何對(duì)不同的刺激作出反應(yīng),建立模型來預(yù)測(cè)神經(jīng)元對(duì)特定刺激的反應(yīng)。

而與之對(duì)應(yīng)的神經(jīng)解碼過程,研究的是相反方向的映射,也就是從已知的反應(yīng)來推算外界刺激重建特征。

在這個(gè)過程中,是一個(gè)“多變”的過程,但總是被冠以“不靠譜”的評(píng)價(jià)。舉個(gè)例子:

假如你問一個(gè)神經(jīng)元這個(gè)直角屏幕的角度是多少,它一開始說是75度,五分鐘后說是10度,每一次你再問的時(shí)候都是一個(gè)接近90度的隨機(jī)數(shù)。

再舉個(gè)例子,你在計(jì)算器上輸入3+7,它每次都給出的是不同的答案……

是不是有種熟悉的感覺?

沒錯(cuò),什么人工不人工的智能都差不多。

可是,正經(jīng)的計(jì)算設(shè)備不應(yīng)該是這樣的。

這就是讓神經(jīng)科學(xué)家很為難的地方,單個(gè)神經(jīng)元得出的結(jié)論是不可靠的(灰色的點(diǎn)),需要多次測(cè)量來平均噪聲(圖中黑線)。

那么,一個(gè)神經(jīng)元都這么不靠譜了,一群不靠譜的神經(jīng)元竟然能把動(dòng)物們的神經(jīng)系統(tǒng)構(gòu)建的這么精準(zhǔn),真是個(gè)奇跡。

那么,神經(jīng)元們是怎么做到的呢?

這涉及到信噪比的問題。信號(hào)強(qiáng)度和疊加次數(shù)成正比,噪聲強(qiáng)度和疊加次數(shù)的平方根成正比,因此疊加次數(shù)越多,信噪比越高。

有人猜測(cè),也許在我們的大腦中,它的運(yùn)算機(jī)制就是數(shù)百萬個(gè)嘈雜神經(jīng)元結(jié)論的平均值,通過這種方法來判斷看到的是什么。

可以從幾何的角度解釋這個(gè)問題,當(dāng)噪聲與刺激驅(qū)動(dòng)的相同神經(jīng)子空間對(duì)齊時(shí),噪聲只能影響受到刺激部分的編碼。至少,一些神經(jīng)噪聲與刺激子空間正交,所以不會(huì)有什么壞的影響。

但是,這些只是理論猜想,如果真的想靠實(shí)踐算出噪聲對(duì)神經(jīng)編碼的影響,這很難,畢竟只有少量信息限制的噪聲也會(huì)對(duì)神經(jīng)編碼有很大影響。

所以,基于以上推測(cè),我們就大致為這種“明明個(gè)體不靠譜,群體卻很靠譜”的行為歸納出原因:

把每個(gè)神經(jīng)元得出的結(jié)論“神奇組合”一下,得出的平均值,就是最終那個(gè)靠譜的結(jié)果。

現(xiàn)在,做個(gè)實(shí)驗(yàn),解個(gè)碼證明一下吧!

小鼠視力實(shí)驗(yàn)

此前有人做過對(duì)猴子的解碼,證明拿一小撮神經(jīng)元做實(shí)驗(yàn)和用上所有神經(jīng)元差不多。

在這個(gè)背景下,我們的主角出場(chǎng)了。

一位神經(jīng)科學(xué)家小姐姐Carsen Stringer用小鼠做實(shí)驗(yàn),探究小鼠的感知與單個(gè)神經(jīng)元的關(guān)系。

在這次實(shí)驗(yàn)里,小姐姐和她的團(tuán)隊(duì)沒有對(duì)猴子下手,而是換了一種動(dòng)物,盯上了小鼠。

研究人員的目標(biāo)是,通過記錄小鼠20000個(gè)神經(jīng)元的數(shù)量,測(cè)量視覺刺激定向解碼誤差的下限。

這項(xiàng)實(shí)驗(yàn)的大前提是:如果限制信息噪聲的確有影響,解碼錯(cuò)誤必須漸近于某個(gè)非零值。

具體的給小鼠設(shè)定的挑戰(zhàn)是:

讓小鼠看角度。

基于我們前面已知的“不靠譜”這個(gè)特性,可以預(yù)知,給予小鼠相同的視覺刺激,神經(jīng)元的每次反應(yīng)完全不同。

研究人員用顯微鏡同時(shí)記錄了約20000個(gè)神經(jīng)元的活動(dòng)。這是一個(gè)部分的隨機(jī)顏色:

然后,使用線性回歸找到每個(gè)神經(jīng)元的權(quán)重,將它們的活動(dòng)組合成“超級(jí)神經(jīng)元”,對(duì)它們的判斷進(jìn)行平均。

這些超級(jí)神經(jīng)元比單個(gè)神經(jīng)元的噪聲要小很多。其實(shí),在95%的實(shí)驗(yàn)中,超級(jí)神經(jīng)元能夠分辨45度和46度之間的微小差異。

一度之差,人類都判斷不出來吧。想象一下,讓一只老鼠分辨出這么微小的差異……另一位研究人員@BenucciLa真的嘗試了,老鼠只能分辨出超過29度的差異,比神經(jīng)元差100倍。

最終,雖然研究人員們把解碼的誤差做到很低了,但是并沒有出現(xiàn)期待中漸近的狀況。

也就是說,視覺皮層對(duì)老鼠的視覺特征進(jìn)行了高精確度的編碼,但老鼠依然在辨別方向任務(wù)中完成得很差。

鍋在解碼過程

于是,研究人員得出結(jié)論,老鼠能接受到的信息,比人類大腦能接受的差1000倍。

雖然老鼠不能將這些信息傳遞給人類,但他們也是可以利用這些信息的。比如,這些信息可以作為一種計(jì)算的第一步。

這也進(jìn)一步說明,神經(jīng)信號(hào)和行為之間的差異不能用刺激的類型來解釋,無論是通過行為狀態(tài)還是反復(fù)試驗(yàn)感知直覺測(cè)試。

得出結(jié)論,小鼠感官知覺的局限性不是由感覺皮層的神經(jīng)噪聲決定的,而是由神經(jīng)元下游的解碼過程限制。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1787

    文章

    46061

    瀏覽量

    235016
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    363

    瀏覽量

    18401

原文標(biāo)題:?jiǎn)蝹€(gè)神經(jīng)元不可靠!這項(xiàng)新研究推翻以往認(rèn)知,感知的最大限制在于解碼過程

文章出處:【微信號(hào):AItists,微信公眾號(hào):人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    神經(jīng)元芯片的主要特點(diǎn)和優(yōu)勢(shì)

    神經(jīng)元芯片,又稱神經(jīng)芯片或神經(jīng)元網(wǎng)絡(luò)芯片,是一種專為實(shí)現(xiàn)網(wǎng)絡(luò)通信和控制功能而設(shè)計(jì)的先進(jìn)半導(dǎo)體芯片。這類芯片的設(shè)計(jì)靈感部分源自于對(duì)人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和信息處理方式的模擬,盡管其實(shí)現(xiàn)方式與
    的頭像 發(fā)表于 07-12 16:42 ?671次閱讀

    神經(jīng)元是什么?神經(jīng)元神經(jīng)系統(tǒng)中的作用

    神經(jīng)元,又稱神經(jīng)細(xì)胞,是神經(jīng)系統(tǒng)的基本結(jié)構(gòu)和功能單位。它們負(fù)責(zé)接收、整合、傳導(dǎo)和傳遞信息,從而參與和調(diào)控神經(jīng)系統(tǒng)的各種活動(dòng)。神經(jīng)元在形態(tài)上高
    的頭像 發(fā)表于 07-12 11:49 ?504次閱讀
    <b class='flag-5'>神經(jīng)元</b>是什么?<b class='flag-5'>神經(jīng)元</b>在<b class='flag-5'>神經(jīng)</b>系統(tǒng)中的作用

    人工神經(jīng)元模型的基本構(gòu)成要素

    人工神經(jīng)元模型是人工智能領(lǐng)域中的一個(gè)重要概念,它模仿了生物神經(jīng)元的工作方式,為機(jī)器學(xué)習(xí)和深度學(xué)習(xí)提供了基礎(chǔ)。本文將介紹人工神經(jīng)元模型的基本構(gòu)成要素。 神經(jīng)元的基本概念
    的頭像 發(fā)表于 07-11 11:28 ?455次閱讀

    人工神經(jīng)元模型的基本原理是什么

    人工神經(jīng)元模型是人工智能領(lǐng)域中的一個(gè)重要概念,它模仿了生物神經(jīng)系統(tǒng)中的神經(jīng)元行為,為機(jī)器學(xué)習(xí)和深度學(xué)習(xí)提供了基礎(chǔ)。 一、人工神經(jīng)元模型的歷史 神經(jīng)
    的頭像 發(fā)表于 07-11 11:26 ?346次閱讀

    人工神經(jīng)元模型由哪兩部分組成

    世紀(jì)末,當(dāng)時(shí)科學(xué)家們開始研究生物神經(jīng)元的工作原理。生物神經(jīng)元是大腦的基本組成單位,它們通過突觸連接在一起,形成復(fù)雜的神經(jīng)網(wǎng)絡(luò)。生物神經(jīng)元具有
    的頭像 發(fā)表于 07-11 11:24 ?361次閱讀

    生物神經(jīng)元模型包含哪些元素

    生物神經(jīng)元模型是神經(jīng)科學(xué)和人工智能領(lǐng)域中的一個(gè)重要研究方向,它旨在模擬生物神經(jīng)元的工作原理,以實(shí)現(xiàn)對(duì)生物神經(jīng)系統(tǒng)的理解和模擬。
    的頭像 發(fā)表于 07-11 11:21 ?462次閱讀

    人工智能神經(jīng)元的基本結(jié)構(gòu)

    ,旨在創(chuàng)建能夠執(zhí)行通常需要人類智能的任務(wù)的計(jì)算機(jī)系統(tǒng)。神經(jīng)元是構(gòu)成人腦的基本單元,也是人工智能研究的基礎(chǔ)。本文將詳細(xì)介紹人工智能神經(jīng)元的基本結(jié)構(gòu)。 神經(jīng)元的定義
    的頭像 發(fā)表于 07-11 11:19 ?459次閱讀

    人工神經(jīng)元模型的基本原理及應(yīng)用

    人工神經(jīng)元模型是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要概念,它模仿了生物神經(jīng)元的工作方式,為計(jì)算機(jī)提供了處理信息的能力。 一、人工神經(jīng)元模型的基本原理 生物神經(jīng)元的結(jié)構(gòu)和功能 生物
    的頭像 發(fā)表于 07-11 11:15 ?297次閱讀

    人工神經(jīng)元模型的三要素是什么

    人工神經(jīng)元模型是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域中非常重要的概念之一。它模仿了生物神經(jīng)元的工作方式,通過數(shù)學(xué)和算法來實(shí)現(xiàn)對(duì)數(shù)據(jù)的處理和學(xué)習(xí)。 一、人工神經(jīng)元模型的基本概念 1.1 生物神經(jīng)元與人
    的頭像 發(fā)表于 07-11 11:13 ?282次閱讀

    神經(jīng)元的分類包括哪些

    神經(jīng)元神經(jīng)系統(tǒng)的基本功能單位,它們通過電信號(hào)和化學(xué)信號(hào)進(jìn)行信息傳遞和處理。神經(jīng)元的分類非常復(fù)雜,可以根據(jù)不同的標(biāo)準(zhǔn)進(jìn)行分類。 一、神經(jīng)元的基本概念 1.1
    的頭像 發(fā)表于 07-03 11:36 ?604次閱讀

    神經(jīng)元的結(jié)構(gòu)及功能是什么

    神經(jīng)元神經(jīng)系統(tǒng)的基本結(jié)構(gòu)和功能單位,它們通過電信號(hào)和化學(xué)信號(hào)進(jìn)行信息傳遞和處理。神經(jīng)元的結(jié)構(gòu)和功能非常復(fù)雜,涉及到許多不同的方面。 一、神經(jīng)元的形態(tài)結(jié)構(gòu)
    的頭像 發(fā)表于 07-03 11:33 ?571次閱讀

    神經(jīng)元的基本作用是什么信息

    神經(jīng)元神經(jīng)系統(tǒng)的基本功能單位,它們?cè)诖竽X、脊髓和周圍神經(jīng)系統(tǒng)中發(fā)揮著至關(guān)重要的作用。神經(jīng)元的基本作用是接收、處理和傳遞信息。本文將詳細(xì)介紹神經(jīng)元
    的頭像 發(fā)表于 07-03 11:29 ?526次閱讀

    神經(jīng)元的信息傳遞方式是什么

    神經(jīng)元神經(jīng)系統(tǒng)的基本單位,它們通過電信號(hào)和化學(xué)信號(hào)的方式進(jìn)行信息傳遞。 神經(jīng)元的信息傳遞方式 神經(jīng)元的結(jié)構(gòu)和功能 神經(jīng)元
    的頭像 發(fā)表于 07-03 11:27 ?625次閱讀

    神經(jīng)元神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系

    在人工智能和機(jī)器學(xué)習(xí)的領(lǐng)域中,神經(jīng)元神經(jīng)網(wǎng)絡(luò)是兩個(gè)至關(guān)重要的概念。雖然它們都與人腦中的神經(jīng)系統(tǒng)有著密切的聯(lián)系,但在實(shí)際應(yīng)用和理論研究中,它們各自扮演著不同的角色。本文旨在深入探討
    的頭像 發(fā)表于 07-01 11:50 ?500次閱讀

    一種具有高度柔性與可塑性的超香腸覆蓋式神經(jīng)元模型

    人工神經(jīng)網(wǎng)絡(luò)是模擬人腦神經(jīng)活動(dòng)的重要模式識(shí)別工具,受到了眾多科學(xué)家和學(xué)者的關(guān)注。然而,近年來DNN的改進(jìn)與優(yōu)化工作主要集中于網(wǎng)絡(luò)結(jié)構(gòu)和損失函數(shù)的設(shè)計(jì),神經(jīng)元模型的發(fā)展一直非常有限。神經(jīng)
    的頭像 發(fā)表于 12-04 11:12 ?333次閱讀
    一種具有高度柔性與可塑性的超香腸覆蓋式<b class='flag-5'>神經(jīng)元</b>模型