中国科学院自动化研究所研究员曾毅团队日前提出一种受生物脑启发的神经环路演化模型，有助于研发更高效的类脑脉冲神经网络，增强人工智能系统的感知、学习、决策能力。相关成果已在学术期刊《美国国家科学院院刊》发表。
“自然演化的生物神经系统中，不同类型的神经元能够自组织成连接模式各异的神经环路，从而在结构上支持实现丰富的认知功能。而当前的脉冲神经网络设计范式大多并没有考虑到不同类型的神经元。”曾毅介绍，挖掘生物神经环路的特性并应用于类脑脉冲神经网络，可帮助提升人工智能系统性能。
利用脑启发神经演化构建的类脑脉冲神经网络。（中国科学院自动化研究所供图）
此项研究中，团队构建了用于图像分类和强化学习与决策任务的类脑脉冲神经网络。“我们模拟了自然结构演化中的用进废退，并以此为基础自主演化出了丰富的神经环路类型。”曾毅说，实验结果证明，这些类型丰富的神经环路能够更好地帮助解决学习与决策等相关核心问题。
“最有意思的是，我们实验过程中演化出的环路类型在自然生物的大脑中都是存在的。自然演化中存在即合理，这将给通用类脑认知智能的研究提供很大启发。”曾毅说。
