模拟系统可以帮助开发更好的人工智能

让计算机像人类一样“思考”是人工智能的圣杯，但是人类的大脑却是很难遵循的行为。人脑是将以前学到的知识应用于新情况并不断完善所学知识的大师。这种自适应能力很难在机器上复制。

现在，索尔克研究人员使用的计算模型的大脑活动比以往更准确地模拟了这一过程。新模型模仿了大脑的前额叶皮层如何利用一种称为“门控”的现象来控制神经元不同区域之间的信息流。它不仅为人脑提供了照明，而且还可以为新的人工智能程序的设计提供信息。

Salk计算神经生物学实验室负责人，该研究的高级作者Terrence Sejnowski说：“如果我们能够将该模型扩展到更复杂的人工智能系统中，它可能会使这些系统更快地学习事物或找到解决问题的新方法。”这项新工作于2020年11月24日在国家科学院院刊上发表。

人类和其他哺乳动物的大脑以快速处理刺激(例如视觉和声音)并将任何新信息整合到大脑已经知道的事物中的能力而闻名。长期以来，这种将知识应用于新情况并持续学习的灵活性一直是研究人员设计机器学习程序或人工大脑的目标。从历史上看，当一台机器被教导要完成一项任务时，机器很难学习如何使这些知识适应类似的任务。取而代之的是，每个相关过程都必须单独教授。

在当前的研究中，Sejnowski的小组设计了一个新的计算建模框架，以复制前额叶皮层中的神经元(负责决策和工作记忆的大脑区域)在认知测试(称为威斯康星卡片分类测试)中的行为。在此任务中，参与者必须按颜色，符号或数字对卡片进行排序-并随着卡片排序规则的变化不断调整答案。该测试在临床上用于诊断痴呆症和精神疾病，但也被人工智能研究人员用来评估他们的大脑计算模型可以复制人类行为的程度。