除了 AI 应用之外 ， 该研究还加深了人们对树突状树和单个神经元强大计算能力的共识 。 早在 2003 年 ， 三名神经科学家展示了锥体神经元的树突树可以进行复杂的计算 ， 通过将其建模为两层人工神经网络 。 在这项新研究中 ， 研究者探索了金字塔神经元的哪些特征激发了 5 到 8 层深度神经网络的复杂性 。 他们得出结论 ， 这来自树突树 ， 树突表面接收化学信使的特定受体——这一发现与先前研究者在该领域的研究一致 。
而一些人认为 ， 这一结果意味着神经科学家应该把单个神经元的研究放在更重要的位置 。 「这篇论文使得对树突和单个神经元的思考比以前更加重要」 ， 宾夕法尼亚大学计算神经科学家 Konrad Kording 说 。 另外还有一些人如 Lillicrap 和 Zador ， 它们认为关注回路中的神经元对于了解大脑如何实际利用单个神经元的计算复杂性同样重要 。
无论如何 ， 人工神经网络的语言可能为理解神经元和大脑的能力提供新的洞见 。 伦敦大学学院的计算神经科学家 Grace Lindsay 表示：「从层数、深度和宽度这几方面思考让我们对计算复杂度有了更直观的认识 ， 不过这项研究仍然只是模型与模型之间的比较 。 」
遗憾的是 ， 目前神经科学家无法记录真实神经元的完整输入 - 输出功能 ， 因此生物神经元模型无法捕获到的信息可能更多 。 也就是说 ， 真实神经元可能更加复杂 。
Michael London 对此也表示：「我们并不确定 5 至 8 层是否就是最终数字 。 」
原文链接：
https://www.quantamagazine.org/how-computationally-complex-is-a-single-neuron-20210902/
与吴恩达共话ML未来发展 ， 2021亚马逊云科技中国峰会可「玩」可「学」
2021亚马逊云科技中国峰会「第二站」将于9月9日-9月14日全程在线上举办 。 对于AI开发者来说 ， 9月14日举办的「人工智能和机器学习峰会」最值得关注 。
当天上午 ， 亚马逊云科技人工智能与机器学习副总裁Swami Sivasubramanian 博士与 AI 领域著名学者、Landing AI 创始人吴恩达（Andrew Ng ）博士展开一场「炉边谈话」 。
不仅如此 ， 「人工智能和机器学习峰会」还设置了四大分论坛 ， 分别为「机器学习科学」、「机器学习的影响」、「无需依赖专业知识的机器学习实践」和「机器学习如何落地」 ， 从技术原理、实际场景中的应用落地以及对行业领域的影响等多个方面详细阐述了机器学习的发展 。
点击阅读原文 ， 立即报名 。

文章图片

? THE END
转载请联系本公众号获得授权
投稿或寻求报道：content@jiqizhixin.com： ，。 视频小程序赞 ， 轻点两下取消赞在看 ， 轻点两下取消在看
_原题《一个神经元顶5到8层神经网络 ， 深度学习的计算复杂度被生物碾压了》
阅读原文