福建
神经元各个组成部分示意图，其中可以看到“突触”和“树突”。(Shutterstock)
大脑是一个由数十亿个神经元组成的复杂网络。每个神经元同时与成千上万个神经元通过“突触”沟通，并通过名为“树突”结构的多条长长的“手臂”接收外界的信息。
在过去七十多年来，科学家一直以为，大脑学习的过程是通过改变突触(synapse)的强度，继而激活与它们相连的神经元而完成。这种理论也指导着人工智能网络、机器学习算法的设计，对现代社会的方方面面有着深远的影响。可是最新的一份研究发现，神经元的工作模式并不是这样。
以色列巴伊兰大学(Bar-Ilan University)的研究人员在新研究中揭示，他们的实验显示，学习的机制主要是通过神经元的树突(dendritic trees)结构完成。研究者称，树突结构就像神经元大树的树干和树枝，学习的过程是通过改变树干和树枝的强度而完成，而不像以前以为的仅改变突触(树状结构上的叶子)进行。
研究称这项发现表明神经元是个非常复杂、动态的计算单元，并不是像以前认为的只有激活和关闭两种状态的二元系统。仅一个神经元就能执行深度学习算法，而以前的研究以为，这需要一整套由几千个神经元、并通过突触相互连接的人工智能网络才能完成。
这份研究的负责人巴伊兰大学物理系教授伊多坎特(Ido Kanter)说：“我们的研究显示，单个神经元树状结构进行学习后，对手写数字识别的成功率接近100%。这项发现为开发新型仿生人工智能硬件铺平了道路。”
这份研究4月28日发表于《自然》(Nature)旗下的子刊《科学报告》(Scientific Reports)期刊。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
