根據賓夕法尼亞州立大學的研究團隊，大腦里有一種細胞被稱為星形膠質細胞，弄清晰其功能，以物理硬件設備模擬，可能形成高效的人工智能(AI)和機器學習，比目前技術更擅長自主自我糾錯，消耗更少的能量。

星形膠質細胞因其星形而得名，是一種膠質細胞，是大腦神經元的支持細胞。它們在記憶、學習、自我修復和同步等大腦功能中發揮著至關重要的作用。

電子工程和計算機科學助理教授Abhronil Sengupta說:“這個項目源于計算神經科學最近的觀察，因為人們對大腦如何工作已經付出了大量的努力，有了一定理解，并且正在試圖修改簡單的神經元-突觸連接模型。”“事實證明，大腦中還有第三種成分——星形膠質細胞，它是大腦細胞的重要組成部分，但它在機器學習和神經科學中的作用一直被忽視。”

與此同時，人工智能和機器學習領域生機勃勃。根據分析公司Burning Glass Technologies的數據，到2025年，人工智能和機器學習技能的需求預計將以71%的復合增長率增長。然而，隨著這些技術的使用增加，人工智能和機器學習面臨著挑戰——消耗大量能源。

Sengupta說:“人工智能和機器學習一個經常被低估的問題是系統的功耗。例如，幾年前，IBM試圖模擬一只貓的大腦活動，結果消耗了大約幾兆瓦的電力。如果在我們今天可以擁有的最好的超級計算機上模擬人類大腦活動，功耗遠不止這個數。”

所有這些電力消耗都是由于開關、半導體和其他發生在計算機處理中的機械和電子過程的復雜舞蹈，當這些過程像人工智能和機器學習所要求的那樣復雜時，這種舞蹈將大大增加。一個潛在的解決方案是神經形態計算，即模擬大腦功能的計算。研究人員之所以對神經形態計算感興趣，是因為人腦已經進化到比計算機消耗更少的能量，所以模仿這些功能將使人工智能和機器學習更節能。

另一種可能用于神經形態計算的大腦功能是大腦如何自我修復受損的神經元和突觸。

Sengupta說:“星形膠質細胞在大腦的自我修復中發揮著非常重要的作用。”“當我們試圖想出這些新的設備結構時，我們試圖形成一個人工神經形態硬件的原型，這是由許多硬件級故障的特征。因此，也許我們可以從計算神經科學中獲得見解，基于星形膠質細胞如何在大腦中引起自我修復，并利用這些概念可能導致神經形態硬件的自我修復，以修復這些故障。”

Sengupta的實驗室主要研究自旋電子設備，這是一種通過自旋電子處理信息的電子設備。研究人員檢查了這些設備的磁性結構，以及如何通過在設備的內在物理學中模擬大腦的各種神經突觸功能來使它們具有神經形態。 

研究人員還為此開發了神經科學模型，包括星形膠質細胞模型，以了解星形膠質細胞功能的哪些方面與他們的研究最相關。他們還建立了自旋電子器件的理論模型。

這項研究是1月份發表在《神經科學前沿》上的一項研究的一部分。這項研究的結果最近也發表在了該雜志上。

前瞻經濟學人APP資訊組

論文原文：

https://www.frontiersin.org/articles/10.3389/fnins.2021.699632/full

標簽： 人工智能 大腦