大腦中的中國助力神經調製相關示意圖。中國科學院自動化所供圖論文第一作者、科學中國科學院自動化研究所張鐵林副研究員介紹說，家研究提人工智能迫切需要借鑒生物係統中的出新微觀、介觀、型類習方新型芯片宏觀等多尺度神經可塑性融合計算機製，腦學以便啟發實現更加高效的類腦類腦連續學習算法，消除人工神經網絡由於采用反向傳播等人工學習方法而導致的設計廣泛災難性遺忘現象。而生物係統中常見的中國助力多巴胺、5-羥色胺、科學血清素、家研究提去甲腎上腺素等神經調質物，出新往往經由特定的型類習方新型芯片腺體釋放，並遠程彌散、腦學投射到一定範圍內的類腦目標神經元群體，且根據調質濃度水平的不同，對局部的神經元、突觸等多種微觀可塑性產生複雜的調製影響。受生物神經調製機製的啟發，研究團隊通過建模多巴胺、乙酰膽堿等“全局神經調製可塑性”“局部時序依賴可塑性”等多尺度神經可塑性機製，整合得到這種基於神經調製依賴可塑性的新型類腦學習方法。張鐵林指出，這一新型類腦學習方法參考大腦中複雜的神經調製通路結構，並以期望矩陣編碼的形式對神經調製通路構建數學模型，在接受刺激信號後產生不同濃度的多巴胺監督信號並進一步影響局部突觸和神經元可塑性類型。該方法支持采用純前饋的流式學習方法訓練脈衝和人工神經網絡，通過全局多巴胺的彌散支持與輸入信號同步，甚至先於輸入信號的正向信息傳播，再加上選擇性對“局部時序依賴可塑性”的調整，使其表現出明顯的快速收斂和緩解災難性遺忘優勢。基於神經調製依賴可塑性的新型類腦學習方法計算模型。中國科學院自動化所供圖論文通訊作者徐波研究員表示，在兩類典型的圖片和語音模式識別任務中，研究團隊從準確率和計算成本兩方麵對新型類腦學習方法的算法進行評估，並選取兩種全局學習算法作為對比，在人工神經網絡中則以目標傳播和反向傳播算法作為對比對象。結果顯示，在圖片分類和語音識別標準數據集上，新型類腦學習方法都實現更高的分類精度和更低學習能耗。同時，在驗證靜態分類任務的擬合能力後，研究團隊重點測試新型類腦學習方法的連續學習能力，並將神經調製擴充到神經元可塑性範圍。在連續手寫數字、連續手寫字母、連續手寫數學符號、連續自然圖片、連續動態手勢等五大類連續學習任務中，新型類腦學習方法具有更低的能耗且發現可以極大地緩解災難性遺忘問題。基於神經調製依賴可塑性的新型類腦學習方法計算模型在任務中的表現。中國科學院自動化所供圖研究團隊認為，這次研究提出的新型類腦學習方法，是一類生物合理的全局優化算法，其采用宏觀可塑性來進一步“調製”局部可塑性，可視為一種“可塑性的可塑性”方法，與“學會學習”“元學習”等有直觀上的功能一致性。新型類腦學習方法同時在兩種優化問題中獲得性能和計算成本上的優勢，更在連續學習這一更貼合生物生存環境和實際應用場景的動態任務範式下發揮出重要作用。“這些純前饋學習、低訓練能耗、支持動態連續學習等綜合特征，也將有望進一步引導新型類腦芯片的設計。”徐波說。