《PNAS》封面：大脑如何发展认知

研究人员介绍了一种新的人类大脑神经计算模型，该模型可以弥补理解人工智能和精神障碍的生物机制之间的差距。

　　

一项新的研究引入了一种新的人类大脑神经计算模型，该模型可能阐明大脑如何发展复杂的认知能力，并推进神经人工智能研究。这项研究发表于9月19日，由来自巴黎巴斯德研究所和索邦大学Université、CHU圣贾斯汀、米拉-魁北克人工智能研究所和Université de Montréal的国际研究人员组成。

该模型登上了《美国国家科学院院刊》(PNAS)的封面，描述了神经在信息处理的三个层次上的发展:

• 第一个感觉运动层面探索大脑内部活动如何从感知中学习模式，并将它们与行动联系起来;

• 认知层面检查大脑是如何将这些模式结合在一起的;

• 最后，意识层面考虑的是大脑如何与外界分离，并操纵已习得的模式(通过记忆)，不再被感知。

由于该模型关注两种基本学习类型之间的相互作用，该团队的研究为认知的核心机制提供了线索。一种是与统计规律性(即重复)相关的Hebbian学习——或者如神经心理学家Donald Hebb所说的，“一起发射的神经元，连接在一起”——另一种是与奖励和多巴胺神经递质相关的强化学习。

从视觉识别到意识感知的认知操作，该模型解决了跨越这些层次的三个日益复杂的任务。每一次，团队都会引入一个新的核心机制来推动游戏的发展。

研究结果强调了生物神经网络中认知能力多层次发展的两个基本机制:

• 突触的表观进化，在局部尺度上是Hebbian学习，在全局尺度上是强化学习;

• 以及通过神经元自发活动和平衡的兴奋/抑制比的自组织动力学。

“我们的模型展示了神经和人工智能的融合如何突出生物机制和认知架构，可以推动下一代人工智能的发展，甚至最终导致人工意识，”团队成员Guillaume Dumas说，他是UdeM的计算精神病学助理教授，也是CHU圣贾斯汀研究中心的首席研究员。

他补充说，达到这一里程碑可能需要整合认知的社会维度。研究人员现在正在研究如何将人类认知中的生物和社会因素结合起来。该团队已经率先模拟了两个大脑的相互作用。

该团队认为，将未来的计算模型锚定在生物和社会现实中，不仅将继续阐明认知的核心机制，还将帮助为人工智能通向唯一已知的具有先进社会意识的系统:人脑提供一座独特的桥梁。

Multilevel development of cognitive abilities in an artificial neural network