研究人员惊爆：大脑延迟竟藏计算优势

生物成分不如电气成分可靠，信号不是瞬间接收的，而是以各种延迟到达的。这迫使大脑通过让每个神经元随着时间整合输入信号并随后触发，并且使用一群神经元而非单个神经元，来应对上述延迟，以克服暂时不触发的神经元细胞。

似乎延迟只是一个不可避免的缺点，会减缓大脑的速度并降低其效率，不过延迟实际上对大脑学习有益吗？

在一项新发表于《物理 A：统计力学及其应用》杂志的研究中，巴伊兰大学物理系和贡达（戈德施米德）多学科大脑研究中心的科学家们以响亮的“是”回答了这个问题。

由伊多·坎特教授领导的团队发现，在不改变架构的情况下，延迟实际上如何为更高效和灵活的学习铺平道路。

“延迟系统的一大好处在于，”坎特教授说。“在人工神经网络中，每个对象都得有自己的输出单元才能得以识别，而大脑可以使用一个神经元输出，其作为时间的函数的活动可以区分不同的对象。本质上来说，可以这么讲大脑利用时间来学习，而计算机利用空间。”

“这使得大脑在无需更改架构的情况下，对变化的适应更具模块化特征，”实验室的首席博士生亚登·察赫（Yarden Tzach）说。“学习新的对象并不需要不同的架构，而仅仅是在额外的输出时间学习一个信号。这也允许识别对象的组合。比如说，马的图片能在某个时间得以识别，人的图片在另一个时间得以识别，而人骑马的图片则可以在这两个时间之间的某个中间时段被识别。”

这一新发现能够揭示一种原本被视为障碍的生物机制，实际上是如何极大地有益于大脑的学习动态，甚至超越了机器学习。借助这一新的理解能够为更优、更快以及更复杂的人工学习系统铺平道路。