欧盟「人脑计划」：新算法模拟生物进化，为大脑工作提供新见解(4)

图示：笛卡尔遗传编程进化出高效的错误驱动学习规则。（来源：论文）

图示：笛卡尔遗传编程进化出各种相关驱动的学习规则。（来源：论文）
「在所有这些场景中，进化算法都能够发现突触可塑性的机制，从而成功地解决了一项新任务，」伯尔尼大学生理学系的通讯作者和共同第一作者 Jakob Jordan 博士说。
在这样做的过程中，算法表现出了惊人的创造力：「例如，算法发现了一个新的可塑性模型，其中我们定义的信号被组合成一个新信号。事实上，我们观察到使用这个新信号的网络比以前比使用已知规则的网络学习得更快。」该研究的共同第一作者、RIKEN 脑科学中心的 Maximilian Schmidt 博士强调说。
「我们认为 E2L 是一种很有前景的方法，可以深入了解生物学习原理，并加快向强大的人工学习机器的发展，」Mihai Petrovoci 说。「我们希望 E2L 能加速对神经系统突触可塑性的研究，」Jakob Jordan 总结道。
这些发现将为健康和患病的大脑如何工作提供新的见解。还可能为开发能够更好地适应用户需求的智能机器铺平道路。