MIT麦戈文研究所：人工神经网络能自己搭出“学习机器”

作者：林序

MIT麦戈文研究所团队在10月9日一期《美国国家科学院院刊》（PNAS）发文称，人工神经网络不必由工程师逐项设计；只要给定几条调整连接的简单规则，一组随机连接的单元就能自行形成学习机制。团队认为，网络能否自我组织，可以作为衡量模型是否接近大脑的一条标准。

MIT麦戈文研究所团队在10月9日一期《美国国家科学院院刊》（PNAS）发文称，人工神经网络不必由工程师逐项设计；只要给定几条调整连接的简单规则，一组随机连接的单元就能自己构建出学习机制。

具体做法是这样：网络从多层随机连接的类神经元单元起步，每层采用同一套局部规则，比如“一起激活、连接加强”。训练中，这些单元会自发形成可以像积木一样组合的小结构，团队称之为“突触motif”；它们再按梯度下降的方式重组——梯度下降就是根据错误反馈逐步修正参数。团队称，这种网络能够识别模式、分类图像，表现与用反向传播训练的网络相当。反向传播是当下主流AI的训练算法，神经科学家普遍认为大脑不太可能直接采用。

团队由此提出一个判断标准：网络能否自我组织，应当作为衡量它是否接近大脑的第一道门槛。理由很直白：大脑没有外部设计师，只能自己组织自己。

需要说明，这是近期刊出的研究，并不是新发布的成果。共同第一作者、博士后Qianli Liao强调，自组织网络未必按照大脑的方式学习，它只是迈向“生物合理性”的起点。资深作者Tomaso Poggio的说法则有条件：如果大脑真的用类似“突触motif”的结构完成反向传播所做的事，机器与大脑才会在基础机制上对应起来。在他们看来，弄清神经元之间互动的规则，也是脑机接口、神经假肢以及研究衰老和疾病如何干扰学习的前提。

转载说明

本文根据以下公开资料整理，原文及配图出处见下方。

• [S1] How artificial neural networks build their own learning machinery
• 配图 1：来源：MIT McGovern Institute（图片署名见原文） · 图片出处
• 配图 2：来源：MIT McGovern Institute（图片署名见原文） · 图片出处
• 配图 3：来源：MIT McGovern Institute（图片署名见原文） · 图片出处
• 配图 4：来源：MIT McGovern Institute（图片署名见原文） · 图片出处