MIT 研究：神经网络无需反向传播，靠局部规则自组装成功能电路
MacrinePhD · x · 2026-10-25
MIT McGovern 研究所的新研究显示，人工神经网络可以不依赖人工设计的反向传播，仅用简单的局部规则（如「一起放电的神经元连接在一起」）自行组装出学习机制。
- 研究利用自组装 motifs，让随机连接的单元自发组织成功能电路。
- 这些自组织电路在图像分类与模式识别任务上达到与常规训练模型相当的水平。
- 该工作发表于 PNAS，被视为迈向生物合理性 AI 与理解大脑可塑性的一步——大脑没有外部设计者，学习机制可以自发涌现。
「研究」频道最新
- 训练投毒事件受害者发声,字节研究员称 VAR 式路线是 bitter lesson — zibuyu9 · 2026-10-25
- JevBench v1.7 引入 10 秒规则:超时即判错,模拟真实产品决策 — airesearch12 · 2026-10-25
- 开源虚拟人体模型：700 肌肉执行器、206 关节、90 身体节段 — mtizard · 2026-10-25
- EMNLP 论文：用户信任模型结论而非推理，自信语气掩盖错误 — MaartenSap · 2026-10-25
- Prime Intellect 合并 IcePop 分数中心化与截断采样回放支持 — samsja19 · 2026-10-25
- EMBER 提出 token embedding 层概念擦除法，防 LLM 知识再学习 — megamor2 · 2026-10-25