近期，一个希腊的研讨团队透过将仿生学的特点融入AI，发明更小、更智能的体系。它模拟咱们的年夜脑处置信息的方法，进步它们在辨认形式跟做出决议方面的效力。这将带来更无效率的AI利用。本文援用地点：FORTH分子生物学跟生物技巧研讨所（IMBB）Panayiota Poirazi博士的团队在《天然通信》期刊上宣布了一篇新文章，提出了一种新型人工神经元架构，该架构联合了生物树突的差别特点，并在种种图像辨认情境中停止了测试。树突是神经细胞的分支延长，相似树枝。它们的重要功效是接受来自其余神经元的信息，并将其通报到细胞本体。多年来，树突在信息处置中的感化尚不明白，但近来的研讨表现，它们能够自力于重要神经元履行庞杂的盘算。别的，树突对年夜脑的可塑性至关主要，即年夜脑顺应一直变更的情况的才能。研讨成果表现，这些树突状人工神经收集（ANN）更能抵御适度拟合，而且在应用更少的资本（即可练习参数跟进修步调）的情形下，能够到达或超出传统ANN的机能。这种改良来自一种奇特的进修方式，此中收集中的多个节点有助于差别种别的编码。这与传统的ANN相反，后者年夜少数节点都是针对特定种别的。总体而言，研讨标明，联合树突特点能够使ANN更智能、更无效率。