波新聞─陶泰山編輯
科技日報報導，在自然·機器智能雜誌上最新發表的一項新研究中，荷蘭國家數學與計算機科學研究所（CWI）科學家展示了類腦神經元如何與新穎的學習方法相結合，能夠大規模訓練快速節能的尖峰神經網路。潛在的應用包括可穿戴人工智能（AI）、語音識別、增強現實等諸多領域。
這種尖峰神經網路，可在稱為神經形態硬件的芯片中實現，有望使AI程序更貼近用戶。這一解決方案有利於保護隱私、提高穩健度和響應能力，其應用範圍從電器中的語音識別、醫療保健監控、無人機導航，到本地監控設備。
就像標準的人工神經網路一樣，尖峰神經網路也需要訓練才能流暢地執行這些任務。然而，這種網路通信方式也帶來了嚴峻的訓練挑戰，因為它們無法與人類大腦的學習能力相提並論：大腦可以很容易地從新體驗中完成學習，改變連接，甚至建立新的連接；大腦所需的範本很少，但學到的卻很多，學習新事物時也非常節能。
為達到與人類大腦接近的程度，新的在線學習算法可直接從數據中學習，實現更大的峰值神經網路。在研究人員展示中，底層尖峰神經網路SPYv4經過訓練，可在阿姆斯特丹一條繁忙的街道上區分騎行者、步行者和汽車，並準確指示它們的位置。
研究人員表示，以前，他們可訓練超過10000個神經元的神經網路；現在，對於擁有超過6百萬個神經元的網路，他們也能很容易地訓練。
有了基於尖峰神經網路的強大AI解決方案，研究人員正在開發能以非常低的功率運行這些人工智能程序的芯片，這些芯片最終將出現在許多智能設備中，如助聽器和增強/虛擬現實眼鏡。
現代人工神經網路是當前AI革命的支柱，但它們實際上是受到真實生物神經元網路（如人類大腦）啟發的產物。然而，大腦是目前任何AI也無法比擬的，網路更大、工作起來更節能，並且在被外部事件觸發時，能更快地作出反應。如何更貼近真實的大腦？那就是更逼真地效仿生物神經元的工作。科學家們發現，人類神經系統的神經元通過交換電脈衝進行通信，而尖峰神經網路憑藉著對這一點的模仿，成為研究中特殊類型的神經網路。
