人工神经网络如何构建自身的学习机制 [R]

MIT 报道（2026 年 10 月 13 日）：https://news.mit.edu/2026/how-artificial-neural-networks-build-their-own-learning-machinery-1013 论文：《生物突触如何自组装形成梯度学习机制》（PNAS，10 月 9 日）：https://www.pnas.org/doi/10.1073/pnas.2606245123 据 MIT 报道，受共同可塑性规则支配、随机互连的类神经元单元能够组装出学习基元，并学会模式识别和图像分类。报道中的比较发现，其性能与所测试的经反向传播训练的网络相近。两者的区别在于，是直接设计学习回路，还是指定局部规则，让学习机制由此自行组织形成。在结合分类准确率评估这一结果时，值得考察的问题包括：这些基元在不同初始连接条件下是否稳定，以及这一方法能否扩展到已展示任务之外。作者明确提醒，自组织现象并不能证明大脑使用了这种机制。这项研究的出发点是探索生物学上的合理性，而非提供证据表明它能够替代大规模模型中的反向传播。