人工智能
研究人员旨在通过新的“脑细胞”类型增强人工智能系统
麻省理工学院的一组研究人员旨在通过将神经网络与大脑中其他类型的细胞结构相结合来增强神经网络的性能。研究团队将将基于星形胶质细胞的结构集成到神经网络中，旨在让神经网络在时间尺度上改变其信号处理方式。
深度神经网络的灵感来自人类大脑的神经网络。强化学习算法可以从其失败和成功中学习，随着时间的推移，能够掌握像国际象棋和围棋这样的复杂挑战。然而，深度神经网络在遇到常见问题时会遇到困难，这些问题人类必须处理。任何需要在当前域或环境中没有获得的常识的情况对于深度神经网络来说都是困难的。
根据麻省理工学院皮考威尔研究所的说法，研究团队旨在通过向神经网络添加一种基于星形胶质细胞的结构，使深度神经网络更加强大、多功能和可靠。
正如麻省理工学院神经科学牛顿教授Mriganak Sur所解释的，人们对神经元的强调导致了其他类型的脑细胞被忽视，这些细胞在大脑中发挥着重要作用。Sur解释说，即使是最先进的深度神经网络，也可能难以考虑和学习环境中的因素，当规则/上下文不变或时间无关紧要时。在这种情况下，神经网络可能难以跟踪成功的策略，平衡探索/利用权衡，并将其所学的知识应用于不同上下文中的类似任务。
根据Sur的说法，最近的证据表明，星形胶质细胞在使大脑能够执行上述任务方面发挥着重要作用，这得益于它们能够作为与神经元并行运行的平行网络。将星形胶质细胞引入神经网络将使人工智能能够集成在长时间尺度上收集的信息，识别类似的情况，并重用学习到的能力，并模块化神经元之间的突触连接。星形胶质细胞指导大脑前额叶皮层中的神经元探索场景，并帮助纹状体中的细胞利用情况，所有这些都通过化学神经调节剂管理。
根据Sur的说法，最近的证据表明，星形胶质细胞在使大脑能够执行上述任务方面发挥着重要作用，这得益于它们能够作为与神经元并行运行的平行网络。将星形胶质细胞引入神经网络将使人工智能能够集成在长时间尺度上收集的信息，识别类似的情况，并重用学习到的能力，并模块化神经元之间的突触连接。星形胶质细胞指导大脑前额叶皮层中的神经元探索场景，并帮助纹状体中的细胞利用情况，所有这些都通过化学神经调节剂管理。
研究团队将通过各种实验来调查星形胶质细胞如何增强深度神经网络，每个实验由不同的专家进行。实验结果将用于完善研究团队的理论。研究人员将从小鼠和人类的简单实验中收集数据，并监测大脑区域、星形胶质细胞和神经调节剂的变化如何影响性能。
最后，Alfonso Araque和Sur将监测小鼠，看看星形胶质细胞如何在它们学习时运作。他们还将操纵星形胶质细胞，看看这如何影响强化学习的过程。
“我们的中心假设是，星形胶质细胞与神经元和神经调节剂的相互作用是大脑能够自然地执行奖励学习和克服与最先进的强化学习（RL）系统相关的许多问题的计算能力的源头。”
