MIT 团队让随机连接网络自组织成学习机器，登 PNAS
MIT News AI · rss · 2026-10-14
MIT McGovern 研究所团队（Qianli Liao、Liu Ziyin、Yulu Gan，合作者含 Tomaso Poggio、Mark Harnett）10 月 9 日在 PNAS 发表论文，主张评判人工神经网络对神经科学的价值，关键指标是它能否在没有外部设计者的情况下自组织——因为大脑没有外部架构师。
要点：
- 团队构建了一个从随机互连出发的网络，只给每层神经元统一的简单连接调整规则（如「一起激活的神经元连接加强」这类 Hebbian 规则），网络便能自发重组为有效的信息处理结构。
- 学习过程中涌现出「突触 motif」自组装模块，作为功能回路的基本构件，并收敛到类似梯度下降的优化策略——但绕开了神经科学家认为大脑不可能使用的反向传播。
- 该自组织网络在模式识别和图像分类上与按反向传播设计的网络性能相当。
作者指出，这一框架可能帮助理解大脑学习的规则（对衰老、疾病干扰研究及脑机接口有潜在意义）；Poggio 表示，若这些突触 motif 确实是大脑实现反向传播功能的机制，将在机器与大脑的基础机制层面建立强连接，反向推动 AI 改进。
「研究」频道最新
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- 号称匹敌 GPT-6.1 的 DNA 模型遭实测打脸：10 例 8 例不如随机 — anshulkundaje · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23