【總編輯圈點】

　　科技日報北京5月9日電 （記者張夢然）在《自然·機器智能》雜誌上發表的一項新研究中，荷蘭(lan) 國家數學與(yu) 計算機科學研究所（CWI）科學家展示了類腦神經元如何與(yu) 新穎的學習(xi) 方法相結合，能夠大規模訓練快速節能的尖峰神經網絡。潛在的應用包括可穿戴人工智能（AI）、語音識別、增強現實等諸多領域。

　　這種尖峰神經網絡，可在稱為(wei) 神經形態硬件的芯片中實現，有望使AI程序更貼近用戶。這一解決(jue) 方案有利於(yu) 保護隱私、提高穩健度和響應能力，其應用範圍從(cong) 電器中的語音識別、醫療保健監控、無人機導航，到本地監控設備。

　　就像標準的人工神經網絡一樣，尖峰神經網絡也需要訓練才能流暢地執行這些任務。然而，這種網絡通信方式也帶來了嚴(yan) 峻的訓練挑戰，因為(wei) 它們(men) 無法與(yu) 人類大腦的學習(xi) 能力相提並論：大腦可以很容易地從(cong) 新體(ti) 驗中完成學習(xi) ，改變連接，甚至建立新的連接；大腦所需的“範本”很少，但學到的卻很多；大腦學習(xi) 新事物時也非常節能。

　　為(wei) 了達到與(yu) 人類大腦接近的程度，新的在線學習(xi) 算法可直接從(cong) 數據中學習(xi) ，實現更大的峰值神經網絡。在研究人員展示中，底層尖峰神經網絡SPYv4經過訓練，可在阿姆斯特丹一條繁忙的街道上區分騎行者、步行者和汽車，並準確指示它們(men) 的位置。

　　研究人員表示，以前，他們(men) 可訓練超過10000個(ge) 神經元的神經網絡；現在，對於(yu) 擁有超過6百萬(wan) 個(ge) 神經元的網絡，他們(men) 也能很容易地訓練。

　　有了基於(yu) 尖峰神經網絡的強大AI解決(jue) 方案，研究人員正在開發能以非常低的功率運行這些人工智能程序的芯片，這些芯片最終將出現在許多智能設備中，如助聽器和增強/虛擬現實眼鏡。

　　現代人工神經網絡是當前AI革命的支柱，但它們(men) 實際上是受到真實生物神經元網絡（如人類大腦）啟發的產(chan) 物。誠然，大腦是目前任何AI也無法比擬的——網絡更大、工作起來更節能，並且在被外部事件觸發時，能更快地作出反應。如何更貼近真實的大腦？那就是更逼真地效仿生物神經元的工作。科學家們(men) 發現，人類神經係統的神經元通過交換電脈衝(chong) 進行通信，而尖峰神經網絡憑借著對這一點的模仿，成為(wei) 了本研究中特殊類型的神經網絡。