这项研究的重点是一个使用纳米线网络，来模仿大脑中神经元和突触的系统，并测试一些通常认为的与人脑有关的高阶认知功能。这些纳米线就是微型的电线，它们的宽度只有人类发丝的千分之一，由银这样的高度导电的金属制成，通常涂在塑料等绝缘材料上。纳米线能够自组装，形成类似生物神经网络的网络结构。就像带有绝缘膜的神经元一样，每根金属纳米线都涂有一层薄绝缘层。神经网络（左）与纳米线网络（右）。（图/Loeffler, et al.）当电信号刺激纳米线时，离子会穿过绝缘层，并迁移到相邻的纳米线中，这很像跨越突触的神经递质。也就是说，研究人员观察到了纳米线网络中类似突触的电信号。新研究使用这个纳米线系统来探索类似人类的智能问题，研究主要集中在高阶认知功能的两个特征：学习和记忆。在这项研究中，科学家可以有选择地强化和削弱纳米线网络中的突触途径。在这个过程中，突触的输出会与期望的结果进行比较，如果输出接近期望结果，突触会被加强，反之则会被削减。这就好像大脑中的“监督学习”。纳米线网络照片（左）与网络路径的变化与强化（右）。（图/Alon Loeffler）研究人员对这一结果进行了扩展。他们发现，通过“奖励”或“惩罚”网络，也可以增加强化的程度。这个过程受到了大脑中“强化学习”的启发。团队同样实施了一个被称为“n-back任务”的测试版本，这个测试通常被用来测量人类的工作记忆。测试中会呈现一系列刺激，每个新信号会与若干（n）步骤之前的信号进行比较。结果显示，网络能“记住”先前的至少7步信号。神奇的是，7也通常被认为是人类能够在同一时间内保存在工作记忆中项目的平均数量。当研究人员使用强化学习时，网络的记忆性能也产生了极大改善。在新研究所涉及的纳米线网络中，研究人员发现，突触通路的形成取决于这些突触在过去是如何被激活的。大脑中突触同样如此，神经科学家称之为“元弹性”。
推荐使用GPT中文版,国内可直接访问：https://ai.gpt86.top
