幾乎所有支援當代人工智能（AI）工具的神經網絡都是基于20世紀60年月的活體神經元算計模子。但美國西蒙斯基金會熨斗研究所算計神經科學中央（CCN）開闢的新模子表明，這種已有數十年歷史的近似模子，并未逮捕到真實神經元所擁有的所有算計才幹，并且這種較舊的模子可能會阻當AI的發展。研究發布在新一期《美國國家科學院院刊》上。
CCN模子開闢者以為，單個神經元對周邊環境的管理力遠比以前以為的要大。更新后的神經元模子終極可能會產生更強盛的人工神經網絡，更好地逮捕人類大腦的氣力。
神經科學在過去60年中贏得了長足先進，我們目前熟悉到，以前的神經元模子還很初等。團隊擔當人德米特里奇克洛夫斯基表示，真實神經元比這個過于簡化的模子要復雜得多，也智慧得多。
人工神經網絡旨在仿照人類大腦處理信息和做出決策的方式，但所展示的方式還很簡樸。這些網絡基于20世紀60年月的神經元模子，由有序的節點層構成。網絡從收到信息的輸入層節點開始，然后是處理信息的中間層節點，最后是發送結局的輸出層節點。
通常，只有當節點從上一層節點收到到的總輸入過份某個閾值時，它才會將信息傳遞到下一層。在培訓當前的人工神經網絡時，信息只能沿一個方位通過節點，節點無法陰礙它們從鏈中較早的節點收到到的信息。
比擬之下，新模子將神經元視為微小的管理器（指能夠依據蒐集到的信息來陰礙周邊環境的器件），由於人類腦細胞不僅能被動地傳遞輸入信息，實際上它們還可管理其他神經元的狀態。
奇克洛夫斯基以為，這種更為現實的神經元管理器模子，可能是提高很多機械吸取應用功能和效率的主要一步。
總編制圈點：
盡管當前AI的功績令人矚目，但仍存在很多疑問。好比給你看似一本正經，實則胡說八道的答案，又好比培訓它們需要用盡大批能源。而所有這些疑問，人類大腦在工作時都可避免。將神經元作為管理器的靈感也正源于此。目前，科學家力圖復制更真實的神經元性能，假如人們能更好地仿照大腦的不亂與高效，無疑也可以構建出更好的AI。
幾乎所有支援當運彩購買技巧代人運彩 看盤技巧工智能（AI）工具的神經網絡都是基于20世紀60年月的活體神經元算計模子。但美國西蒙斯基金會熨斗研究所算計神經科學中央（CCN）開闢的新模子表明，這種已有數十運彩 虛擬投注 ptt年歷史的近似模子，并未逮捕到真實神經元所擁有的所有算計才幹，并且這種較舊的模子可能會阻當AI的發展。研究發布在新一期《美國國家科學院院刊》上。
CCN模子開闢者以為，單個神經元對周邊環境的管理力遠比以前以為的要大。更新后的神經元模子終極可能會產生更玩運彩 足球迷強盛的人工神經網絡，更好地逮捕人類大腦的氣力。
神經科學在過去60年中贏得了長足先進，我們目前熟悉到，以前的神經元模子還很初等。團隊擔當人德米特里奇克洛夫斯基表示，真實神經元比這個過于簡化的模子要復雜得多，也智慧得多。
人工神經網絡旨在仿照人類大腦處理信息和做出決策的方式，但所展示的方式還很簡樸。這些網絡基于20世運彩 過關規則紀60年月的神經元模子，由有序的節點層構成。網絡從收到信息的輸入層節點開始，然后是處理信息的中間層節點，最后是發送結局的輸出層節點。
通常，只有當節點從上一層節點收到到的總輸入過份某個閾值時，它才會將信息傳遞到下一層。在培訓當前的人工神經網絡時，信息只能沿一個方位通過節點，節點無法陰礙它們從鏈中較早的節點收到到的信息。
比擬之下，新模子將神經元視為微小的管理器（指能夠依據蒐集到的信息來陰礙周邊環境的器件），由於人類腦細胞不僅能被動地傳遞輸入信息，實際上它們還可管理其他神經元的狀態。
奇克洛夫斯基以為，這種更為現實的神經元管理器模子，可能是提高很多機械吸取應用功能和效率的主要一步。
總編制圈點：
盡管當前AI的功績令人矚目，但仍存在很多疑問。好比給你看似一本正經，實則胡說八道的答案，又好比培訓它們需要用盡大批能源。而所有這些疑問，人類大腦在工作時都可避免。將神經元作為管理器的靈感也正源于此。目前，科學家力圖復制更真實的神經元性能，假如人們能更好地仿照大腦的不亂與高效，無疑也可以構建出更好的AI。
