韩国科学技术院（KAIST）生物与脑工程系李相完教授团队于1日宣布，成功开发出一项能提升人工智能深度学习效率的新技术，其核心灵感来源于人类大脑的学习机制。

　　人类大脑并非简单处理当下信息，而是持续预测未来可能发生的情况。当预测与实际结果出现偏差时，大脑会主动进行自我修正以减少误差。这种模式类似于围棋中的“读 ahead”策略——棋手预判对手的落子并相应调整战术。这种信息处理方式被称为“预测编码”。

　　此前，将这一原理应用于人工智能的尝试面临着一个关键难题：在深度学习中，随着神经网络层数增加，学习信号从后向前传递时会逐渐减弱，导致前端网络层无法有效学习。

　　为解决这一问题，研究团队让人工智能不仅即时修正误差，同时计算“未来预测可能发生的变化”。这一创新设计使得即使在深度神经网络中也能实现稳定学习。

　　在30项性能对比实验中，新方法在29项测试中表现优于目前广泛使用的“反向传播”技术。与需要一次性调整整个网络的反向传播不同，这项技术允许人工智能像人脑一样进行分布式、局部化学习，同时保持模型的整体性能。

　　研究团队预期，该技术将可应用于需要高能效的神经形态计算、适应复杂环境的机器人人工智能，以及在终端设备上运行的边缘人工智能等领域。李相完教授强调：“这项研究的核心并非简单模仿大脑结构，而是让人工智能遵循大脑的学习原则。这为开发出像人脑一样高效学习的人工智能开启了新的可能。”

　　本文由万更网原创发布，未经许可，不得转载！

　　本文链接：https://m.fdsil.com/n/122972.html