MIT研究：随机互连神经元可自组织出类反向传播学习机制

事件源于一项发表于PNAS的MIT研究。该研究表明，在没有人工设计学习电路的情况下，仅凭共享的局部可塑性规则，初始状态随机互连的人工神经元单元可以自主涌现出近似梯度下降与反向传播的学习机制。研究团队将这些自组织形成的结构称为“梯度学习模块”，并报告其在图像分类任务上的准确率与采用反向传播训练的神经网络相当。【新】报道对论文进行了解读，强调该工作与现有反向传播训练网络的关键差异在于：学习电路不再被直接设计，而是由局部规则驱动自行涌现。报道同时指出，研究的目标是生物可塑性，旨在探索大脑可能的计算原理，而非证明大脑确实依赖该机制，也不意味着该方法可以在大型模型中取代反向传播。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。