연구는 오래된 두뇌 학습 이론을 뒤집습니다.
수십 년 동안 과학자들은 학습이 시냅스 또는 뇌 세포 사이의 수많은 교차점에서 발생한다고 생각했습니다. 그러나 이제 새로운 연구에 따르면 학습은 몇 개의 수상 돌기, 뇌 세포 또는 뉴런에 입력을 공급하는 가지에서 발생합니다.
현재 저널에 실린 논문에서 과학 보고서, 저자는 뉴런 및 세포 배양의 컴퓨터 모델을 연구 한 후 어떻게 이러한 결론에 도달했는지 설명합니다.
뇌의 광대 한 신경망에서 뉴런은 수상 돌기를 통해 입력을 받아들이는 작은 마이크로 칩처럼 행동하며, 특정 조건에 도달하면 축삭을 사용하여 출력을 생성합니다.
축삭은 차례로 시냅스라고하는 링크를 통해 다른 뉴런의 수상 돌기와 연결됩니다. 수상 돌기보다 뉴런 당 시냅스가 더 많습니다.
새로운 연구의 중요한 결과는 학습이 시냅스가 아닌 수상 돌기에서 발생한다고 제안하기 때문에 각 뉴런의 학습 매개 변수가 이전에 생각했던 것보다 훨씬 적다는 것입니다.
"이 새로운 수지상 학습 과정에서"이스라엘의 Bar-Ilan 대학에있는 Gonda 학제 간 뇌 연구 센터의 Ido Kanter 교수는 다음과 같이 말합니다. "수천 개의 작은 수지상 학습 과정에 비해 뉴런 당 몇 가지 적응 매개 변수가 있습니다. 시냅스 학습 시나리오에서 민감한 사람들.”
우리가 생각했던 것보다 더 빨리 배움
새로운 연구의 또 다른 중요한 결과는 학습 과정이 기존의 시냅스 모델보다 새로운 수지상 모델에서 훨씬 더 빠르게 발생한다는 것입니다.
그 결과는 뇌가 작동하는 방식을 모방하는 것을 기반으로하는 "딥 러닝 알고리즘"및 인공 지능과 같은 컴퓨터 응용 프로그램의 설계와 뇌 장애 치료에 중요한 의미를 가질 수 있습니다.
연구원들은 후자의 경우 그들의 연구가 더 진보 된 기능과 훨씬 더 빠른 처리 속도의 설계에 대한 문을 열 것으로 예상합니다.
전통적인 시냅스 학습 모델은 1949 년 책에서 출판 된 Donald Hebb의 선구적인 작업에 뿌리를두고 있습니다. 행동의 조직.
Kanter 교수와 그의 동료들이 "링크를 통한 학습"이라고 부르는이 모델은 학습 과정에서 변경되는 "학습 매개 변수"가 계산 단위 인 뉴런 당 시냅스 또는 링크의 수를 반영한다고 제안합니다. 신경망에서.
'노드 별 학습'
연구자들은 새로운 모델 ( "노드 별 학습"이라고 함)에서 학습 매개 변수가 뉴런 당 많은 수의 시냅스 수가 아니라 수상 돌기 또는 노드의 수를 반영한다고 제안합니다. 뉴런 당 몇 개에 불과합니다.
따라서 그들은 "연결 뉴런의 네트워크에서"시냅스 모델의 뉴런 당 학습 매개 변수의 수가 수지상 모델의 숫자보다 "상당히 크다"고 설명합니다.
그들의 연구의 주요 목적은 "시냅스 (링크)와 수지상 (노달) 학습 시나리오 사이의 협력 적 동적 특성"을 비교하는 것이 었습니다.
연구 저자들은 그들의 결과가 "현재 시냅스에 기인하는 것과 유사하게, 신경 수상 돌기에서 더 빠르고 향상된 학습 과정이 발생한다는 것을 강력하게 나타냅니다"라고 결론지었습니다.
약한 시냅스는 학습에 중요한 역할을합니다
이 연구의 또 다른 중요한 발견은 뇌의 대부분을 차지하고 학습에 중요하지 않은 역할을한다고 생각되는 약한 시냅스가 실제로 매우 중요하다는 것입니다.
저자는 "역학은 주로 약한 링크에 의해 좌우되는 직관에 반한다"고 지적합니다.
수지상 모델에서는 약한 시냅스가 학습 매개 변수가 시냅스 모델에서와 같이 "비현실적인 고정 극단"으로 이동하는 대신 진동을 일으키는 것으로 보입니다.
Kanter 교수는 공기의 질을 측정하는 방법과 비교하여 결과를 요약합니다.
그는“초고층 건물 높이에있는 작고 먼 위성 센서를 통해 우리가 호흡하는 공기의 질을 측정하는 것이 합리적입니까? 아니면 코 가까이에있는 하나 또는 여러 개의 센서를 사용하여 측정하는 것이 합리적입니까?”라고 묻습니다.
"마찬가지로, 뉴런이 계산 단위 인 뉴런에 가깝게 들어오는 신호를 추정하는 것이 더 효율적입니다."
Ido Kanter 교수
