论文解读：随机互连的人工神经元如何自组织出类反向传播的学习机制

PNAS 论文显示，仅由共享可塑性规则驱动的随机互连类神经元单元，可自主组装出梯度学习模块，并在图像分类任务上达到与反向传播训练网络相近的准确率。核心区别在于不再直接设计学习电路，而是通过局部规则让其学习机制自行涌现。该研究强调目标是生物可塑性，并非证明大脑依赖此机制，也不意味着能在大型模型中替代反向传播。