沃卡惠
蒙特利爾大學的一項新研究介紹了一種新的人腦神經計算模型。這種新模型可以更深入地了解大腦如何發展復雜的認知能力，并且可以推進神經人工智能 (AI) 研究。
該研究于 9 月 19 日發表在《美國國家科學院院刊》(PNAS)雜志上。
它由來自巴黎巴斯德研究所和索邦大學、CHU Sainte-Justine、Mila-魁北克人工智能研究所和蒙特利爾大學的國際研究小組進行。
神經發育
該研究描述了三個層次信息處理的神經發育：
感覺運動水平：探索大腦的內部活動如何從感知中學習模式并將它們與行動聯系起來。
認知水平：檢查大腦如何根據上下文組合這些模式。
意識水平：考慮大腦如何與外部世界分離并操縱學習模式（通過記憶）不再可以感知。
由于該模型專注于兩種基本學習類型之間的相互作用，這項新研究提供了對認知核心機制的更深入了解。第一個是赫布學習，它與統計規律相關，例如重復。第二個是強化學習，它與獎勵和多巴胺神經遞質有關。
新開發的模型解決了三個跨層級復雜度越來越高的任務，團隊每次都引入新的核心機制，從而幫助其進步。
結果強調了生物神經網絡認知能力多層次發展的兩個基本機制：
突觸后生：赫布學習發生在局部范圍內，而強化學習發生在全局范圍內。
自組織動力學：神經元的自發活動和平衡的興奮/抑制比率。
下一代人工智能和人工意識
Guillaume Duman 是 UdeM 的團隊成員和計算精神病學助理教授，也是 CHU Sainte-Justine 研究中心的首席研究員。
“我們的模型展示了神經人工智能融合如何突出生物機制和認知架構，這些機制和認知架構可以推動下一代人工智能的發展，甚至最終導致人工智能，”杜馬斯說。
為了達到這一點，杜馬斯說他們可能必須整合認知的社會維度。該團隊現在正在研究整合生物和社會維度，他們已經創建了第一個兩個全腦交互的模擬。
該團隊認為，通過將未來的計算模型錨定在生物和社會現實中，他們將進一步了解認知的核心機制。他們還相信它將在人工智能和人腦之間架起一座橋梁。
