Reverse-Engineering the Wetware: Spiking Networks and the End of Matrix Math
3 months ago
- #AI
- #neuroscience
- #machine-learning
- 人类感知涉及自上而下的反馈循环，这与被动的人工智能模型不同。
- 大脑运用预测编码机制，持续生成并修正对世界的模拟。
- 生物学习依赖脉冲时序依赖可塑性（STDP）而非反向传播算法。
- 多巴胺发挥着奖励预测误差（RPE）的作用，类似于AI中的时序差分（TD）学习。
- 英特尔Loihi 2等神经形态芯片专为高效模拟生物神经网络而设计。
- 目标传播和反馈对齐等局部学习规则为反向传播提供了替代方案。
- 人工智能与神经科学正在融合，为理解生物智能提供新视角。