研究：近千個人工神經元才相當於一個生物神經元

人工神經網絡是近年來一個熱門的研究領域，利用計算機模擬生物大腦的工作方式，是實現人工智能的技術之一。科學家認為一個個神經元細胞是構成生物大腦神經網絡的基礎單元，所以模擬這種方式，以人工神經元為基礎單元構建出人工神經網絡。

最近幾位研究人員進行了一項有趣的實驗，想瞭解目前人工神經元與生物神經元之間的性能差異到底有多大。

耶路撒冷希伯來大學（Hebrew University of Jerusalem）的三位研究人員合作訓練一個人工神經網絡，模擬小鼠大腦皮層內單個錐體神經元的運算水平。

僅模擬這一個生物神經元，就需要好幾層的人工神經網絡，每一層他們設計用上了256個人工神經元。研究人員不斷地增加人工神經元網絡的層次，與小鼠的生物神經元處理信息的情況進行對比，直到在毫秒的單位時間內，運算水平達到生物神經元準確度的99%。

實驗結果顯示，他們平均需要5～8層複雜度的人工神經網絡才能達到單個生物神經元的運算水平。這些人工神經網絡共有大約一千個人工神經元。

研究人員表示，這項實驗的結果展示是一個大概的差異，並不意味著人工神經元和生物神經元的複雜度之間有著如此簡單而且絕對的一千比一的關係。很多因素都會影響這之間的差異，比如構建人工網絡層次設計的不同，效能會出現差異；或者，生物大腦內有多種不同類型的神經元，它們的運算效能也不一樣。

對於這項研究結果，同行有不同的看法。這份研究的作者認為，這說明目前構建人工神經元的方法不夠好，應該造出自身就有好多層次的神經網絡作為單個人工神經元，才能更接近於生物神經元的運作方式。

有的研究人員則認為，這個結果說明也許不得不承認，人工智能和生物神經系統根本沒什麼可比性。沒有參與這項實驗的同行、谷歌下屬的人工智能研發公司DeepMind的算法設計師利利克拉普（Timothy Lillicrap）告訴量子雜誌（Quanta Magazine），這份研究結果表明看來有必要思考一下，簡單地把人工智能和生物大腦進行比擬的做法是否合適。「這項研究逼迫我們不得不重新更仔細地思考，人造的計算機網絡究竟能模仿生物神經系統到什麼程度，到底有沒有可比性。」