上面写着。它会说话。它整理了堆积如山的数据，并为业务决策提供建议。今天的人工智能可能比以往任何时候都更人性化。然而，人工智能仍有几个关键的缺点
冷泉港实验室（CSHL）神经人工智能学者Kyle Daruwalla解释道：“尽管ChatGPT和所有这些当前的人工智能技术给人留下了深刻的印象，但就与物理世界的互动而言，它们仍然非常有限。即使在它们所做的事情中，比如解决数学问题和写论文，它们也需要数十亿的训练例子才能做好。”
Daruwalla一直在寻找新的、非传统的方法来设计能够克服这些计算障碍的人工智能。他可能刚刚找到一个
关键是移动数据。如今，现代计算的大部分能耗来自于数据的跳跃。在由数十亿个连接组成的人工神经网络中，数据可能还有很长的路要走
因此，为了找到解决方案，Daruwalla在现有计算能力最强、能效最高的机器之一中寻找灵感；人类大脑
Daruwalla根据我们的大脑如何接收新信息，为人工智能算法设计了一种更有效地移动和处理数据的新方法。该设计允许单个人工智能“神经元”接收反馈并动态调整，而不是等待整个电路同时更新。这样，数据就不必走那么远，而且可以实时处理
研究结果发表在《计算神经科学前沿》杂志上
新的机器学习模型为一种尚未证实的理论提供了证据，该理论将工作记忆与学习和学习成绩联系起来。工作记忆是一种认知系统，使我们能够在回忆存储的知识和经验的同时继续执行任务
“神经科学中有关于工作记忆回路如何帮助促进学习的理论。但没有什么像我们的规则那样具体的东西能真正将这两者联系在一起。因此，这是我们在这里偶然发现的一件好事。Daruwalla说，该理论得出了一个规则，即单独调整每个突触需要将工作记忆放在它旁边。”
Daruwalla的设计可能有助于开创像我们一样学习的新一代人工智能。这不仅会使人工智能更高效、更容易访问；对于神经人工智能来说，这也将是一个完整的循环时刻。早在ChatGPT发出第一个数字音节之前，神经科学就已经为人工智能提供了有价值的数据。人工智能似乎很快就会回心转意
Daruwalla's design may help pioneer a new generation of AI that learns like we do. That would not only make AI more efficient and accessible—it would also be somewhat of a full-circle moment for neuroAI. Neuroscience has been feeding AI valuable data since long before ChatGPT uttered its first digital syllable. Soon, it seems, AI may return the favor.
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
