Sakana AI论文:遵循生物学法则的神经网络也能学习
TheTuringPost · x · 2026-07-31
探讨了构建人工智能是否必须完全照搬大脑结构。人类大脑遵循戴尔原则，即每个神经元只能是兴奋性或抑制性的，而大多数人工神经网络并未遵循此规则。
Sakana AI 的一篇论文研究了神经网络在严格遵循该原则时能否完成复杂任务：
- 研究人员分离了兴奋和抑制信号，并放弃了标准反向传播。
- 采用了一种无需逆向传输权重的 Error Diffusion (ED) 方法。
- 结果显示，该网络在 MNIST 达到 96.7% 准确率，CIFAR-10 达到 61.7%。
这表明生物学上合理的学习机制是可行的，虽然性能还不及传统网络，但就像造飞机不需要模仿鸟扇翅膀一样，研究大脑依然能提供有用的启发。
所属事件:Sakana AI 探究神经网络遵循生物学法则(3 条相关)→
「研究」频道最新
- 清华 AI 学院助理教授陈永创 ApexIntelligence，天使轮融 5000 万美元 — DeryaTR_ · 2026-10-16
- 流体不是在「计算」，而是贡献计算中的非线性步骤 — anderssandberg · 2026-10-16
- Sandberg 解析流体计算误差预算：误差随时间二次收紧 — anderssandberg · 2026-10-16
- 流体如何算通用图灵机：力场驱动粒子落入 0/1 盒子 — anderssandberg · 2026-10-16
- FlashAttention 作者 Tri Dao 加入生物 AI 公司任科学顾问 — exnx · 2026-10-16
- SAIR 推出 Open Math OS:免费算力+100 工具,要让社区掌控数学 AI — Thom_Wolf · 2026-10-16