【正见新闻网2022年05月07日】
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。
（大纪元）