一項新的研究提出一個新的人腦神經計算模型，它可能闡明大腦如何發展復雜的認知技能，並推動神經人工智能研究。一個由來自巴黎巴斯德研究所和索邦大學、聖朱斯廷醫院、米拉-魁北克人工智能研究所和蒙特利爾大學的科學傢組成的國際團隊進行這項研究。
研究人員提出一個新的人腦神經計算模型，該模型可能在理解人工智能和精神障礙的生物機制方面彌合差距。
紀堯姆-杜馬。資料來源：Stéphane Dedelis, Chu Sainte-Justine
該模型在《美國國傢科學院院刊》（PNAS）的封面上出現，描述信息處理的三個層次的神經發展。
感覺運動層面探討大腦的內部活動如何從感知中學習模式並將它們與行動聯系起來。
認知層面研究大腦如何將這些模式與背景相結合。
意識層面考慮大腦如何與外部世界分離，並操縱不再能被感知到的學習模式（通過記憶）。
該模型強調兩種基本類型的學習--與統計規律性（即重復）有關的赫佈型學習（Hebbian learning），或者像神經心理學傢唐納德-赫佈所說的那樣，"神經元一起開火，一起佈線"，以及與獎勵和多巴胺神經遞質有關的強化學習，提供對認知的基本機制的深入解。
該模型在這些層面上解決三個復雜性不斷增加的任務，從視覺識別到對有意識的概念進行認知操作。每一次，研究小組都引入一個新的核心機制，以使其取得進展。
這些結果突出生物神經網絡中認知能力多層次發展的兩個基本機制：
突觸外顯機制，在局部范圍內實現赫佈型學習，在整體范圍內有強化學習。
和自組織動力學，通過神經元的自發活動和平衡的興奮/抑制比例。
團隊成員、蒙特利爾大學計算精神病學助理教授、CHU Sainte-Justine研究中心的首席研究員Guillaume Dumas說："我們的模型展示神經-AI的融合如何突出生物機制和認知架構，可以推動下一代人工智能的發展，甚至最終發展出人工意識。"
他補充說，達到這一裡程碑可能需要整合認知的社會層面。研究人員現在正在研究整合在人類認知中發揮作用的生物和社會維度。該團隊已經率先模擬兩個全腦的互動。
該團隊認為，將未來的計算模型錨定在生物和社會現實中，不僅將繼續闡明認知的核心機制，而且還將有助於為人工智能提供一個獨特的橋梁，使其走向唯一已知的具有高級社會意識的系統：人腦。