银纳米线网络似乎可以学习和记忆 就像我们的大脑一样

在过去一年左右的时间里，ChatGPT和DALL-E等生成式AI模型使得从一系列简单的提示中生成大量明显类似于人类的高质量创意内容成为可能。

虽然能力很强——特别是在大数据模式识别任务中远远超过人类——但目前的人工智能系统并不像我们一样智能。人工智能系统的结构不像我们的大脑，学习方式也不相同。

人工智能系统还使用大量的能源和资源进行训练(相比之下，我们每天吃三顿左右的饭菜)。与我们相比，它们在动态、难以预测和嘈杂的环境中适应和运作的能力很差，而且它们缺乏类似人类的记忆能力。

我们的研究探索了更像人类大脑的非生物系统。在发表在《科学进展》上的一项新研究中，我们发现由细小银线组成的自组织网络似乎与我们头脑中的思维硬件大致相同。

模仿大脑

我们的工作是称为神经形态学的研究领域的一部分，该领域旨在复制非生物系统中生物神经元和突触的结构和功能。

我们的研究重点是使用“纳米线”网络来模仿大脑中的神经元和突触的系统。这些纳米线是微小的电线，大约是人类头发宽度的千分之一。它们由高导电金属(如银)制成，通常涂有塑料等绝缘材料。

纳米线自组装形成类似于生物神经网络的网络结构。就像具有绝缘膜的神经元一样，每根金属纳米线都涂有一层薄薄的绝缘层。

当我们用电信号刺激纳米线时，离子会穿过绝缘层并进入相邻的纳米线(很像跨突触的神经递质)。因此，我们在纳米线网络中观察到类似突触的电信号。

学习和记忆

我们的新工作使用这种纳米线系统来探索类人类智能的问题。我们研究的核心是表明高阶认知功能的两个特征：学习和记忆。

我们的研究表明，我们可以选择性地加强(和削弱)纳米线网络中的突触通路。这类似于大脑中的“监督学习”。在这个过程中，突触的输出与期望的结果进行比较。然后加强突触(如果它们的输出接近预期结果)或修剪(如果它们的输出不接近预期结果)。

我们扩展了这一结果，表明我们可以通过“奖励”或“惩罚”网络来增加加强量。这个过程的灵感来自大脑中的“强化学习”。

我们还实现了一个名为“n-back任务”的测试版本，用于测量人类的工作记忆。它涉及呈现一系列刺激，并将每个新条目与一些步骤(n)前发生的条目进行比较。

网络至少“记住”了七个步骤的先前信号。奇怪的是，七项通常被认为是人类一次可以在工作记忆中保留的平均项目数。

当我们使用强化学习时，我们看到网络的内存性能有了显着提高。

在我们的纳米线网络中，我们发现突触通路的形成取决于这些突触在过去是如何被激活的。大脑中的突触也是如此，神经科学家称之为“元可塑性”。

合成智能

人类智能可能还有很长的路要走。

尽管如此，我们对神经形态纳米线网络的研究表明，有可能在非生物物理硬件中实现对智能至关重要的特征，例如学习和记忆。

纳米线网络不同于人工智能中使用的人工神经网络。尽管如此，它们可能会导致所谓的“合成智能”。

也许神经形态纳米线网络有一天可以学会进行比ChatGPT更像人类的对话，并记住它们。