几乎所有支持现代人工智能（AI）工具的神经网络都是基于20世纪60年代的活体神经元计算模型。但美国西蒙斯基金会熨斗研究所计算神经科学中心（CCN）开发的新模型表明，这种已有数十年历史的近似模型，并未捕捉到真实神经元所拥有的所有计算能力，并且这种较旧的模型可能会阻碍AI的发展。研究发表在新一期《美国国家科学院院刊》上。
简体中文版本：
现代人工智能（AI）工具背后的神经网络，几乎都基于20世纪60年代的生物神经元计算模型。然而，美国西蒙斯基金会熨斗研究所计算神经科学中心（CCN）开发的新模型表明，这种已有数十年历史的近似模型并没有完全捕捉到真实神经元的计算能力，可能会限制 AI 的发展。这项研究发表在最新一期的《美国国家科学院院刊》上。
CCN 的新模型更准确地模拟了神经元的复杂行为，并展示了神经元之间的相互作用，以及这些相互作用如何影响信息处理。该研究表明，传统的 AI 模型可能过于简化了神经元的复杂性，导致它们无法完全实现 AI 的潜力。
这项研究对于 AI 发展具有重要意义，它表明需要更加精确地模拟神经元的功能，才能突破当前 AI 模型的局限性，开发出更加强大、灵活的 AI 系统。未来的研究方向可能包括探索更复杂的模型，将更多神经元间的相互作用纳入计算，以及开发新的 AI 训练方法，以充分利用神经元的计算能力。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，可联系本站进行审核删除。
