类脑智能研究又有新进展。27日，记者从中国科学院自动化所获悉，受生物脑神经环路结构启发，该所研究人员提出了脑启发的人工智能神经环路自主演化模型。基于该模型，他们研发出更具生物合理性和高效性的类脑脉冲神经网络。相关研究成果在线发表于美国《国家科学院院刊》。
在生物神经系统中，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，以在结构上支持实现丰富的认知功能。人脑中不同类型的神经环路及其自适应能力，促进了人类感知、学习、决策及其他高等认知功能的实现。
“然而，当前的脉冲神经网络设计范式，大多基于深度学习领域的结构启发。这些结构显著阻碍了脉冲神经网络在复杂任务上发挥潜力。”论文通讯作者、中国科学院自动化所研究员曾毅说，如果可以将生物神经环路的结构，应用于当前类脑脉冲神经网络的设计，可以极大地提升人工智能系统的能力。
受经过自然演化的生物脑神经环路结构呈现出的多样性以及脉冲时序依赖可塑性机制启发，曾毅团队利用神经元的局部脉冲行为，通过脉冲时序依赖可塑性的局部规则，自主演化出了更具生物合理性的功能性神经环路；同时，通过融入自主演化生成的神经环路，构建了用于图像分类、强化学习与决策任务的类脑脉冲神经网络。
曾毅表示，自主演化出的类脑脉冲神经网络实现了与人工神经网络相媲美的性能，这为具有复杂功能的网络演化与认知能力涌现奠定了基础。
“这项研究以计算建模的方式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。最有意思的是，这些环路类型在自然生物的大脑中都是存在的，而且我们的实验证明，这些结构能够更好地帮助解决学习与决策等人工智能相关的核心问题，这给未来的通用类脑认知智能的研究带来了无限启发。”曾毅解释。
（中国科学院自动化所供图）
