电子神经网络是人工智能研究的关键概念之一，自诞生之日起就从生物神经元中汲取灵感–这一点从它的名字就可见一斑。现在，新的研究揭示出，具有影响力的人工智能变压器架构与人类神经生物学也有着意想不到的相似之处。
在一项合作研究中，科学家们提出，生物星形胶质细胞-神经元网络可以模仿变压器的核心计算。反之亦然。本周，麻省理工学院、麻省理工学院-IBM 沃森人工智能实验室和哈佛大学医学院联合在《美国国家科学院院刊》（Proceedings of the National Academy of Sciences）上发表了这一研究成果。
星形胶质细胞-神经元网络是大脑中的细胞网络，由两种类型的细胞组成：星形胶质细胞和神经元。星形胶质细胞是支持和调节神经元的细胞，而神经元是发送和接收电脉冲的脑细胞。它们的活动基本上就是思考。星形胶质细胞和神经元之间通过化学物质、电流和触摸进行交流。
另一方面，2017 年首次推出的人工智能变压器是像 ChatGPT 这样的生成系统背后的基础技术之一。–事实上，这就是 GPT 中 “T “的由来。与按顺序处理输入的神经网络不同，变换器可以通过一种称为自我注意的机制直接访问所有输入。这使它们能够学习文本等数据中的复杂依赖关系。
研究人员重点研究了三方突触，即星形胶质细胞在发送信号的神经元（突触前神经元）和接收信号的神经元（突触后神经元）之间形成连接的结点。
通过数学建模，他们证明了星形胶质细胞随着时间的推移对信号的整合如何为自我注意提供所需的空间和时间记忆。他们的模型还表明，利用星形胶质细胞和神经元之间的钙信号传递，可以建立一个生物转换器。TL;DR，这项研究解释了如何制造有机变压器。
“罗格斯大学（Rutgers University）计算机科学副教授康斯坦丁诺斯-米克米佐斯（Konstantinos Michmizos）告诉麻省理工学院：”在一个多世纪的大脑记录中，星形胶质细胞一直保持电沉默，是大脑中最丰富、但探索较少的细胞之一。”释放大脑另一半计算能力的潜力是巨大的。
拟议的神经元-胃囊细胞网络的高层概览。
该假说利用了新出现的证据，即星形胶质细胞在信息处理中发挥着积极作用，这不同于它们以前被认为的管家功能。它还概述了转换器的生物学基础，转换器可以超越传统的神经网络，完成生成连贯文本等任务。
如果通过实验验证，所提出的生物转换器可以为人类认知提供新的见解。然而，人类与对数据要求极高的转换器模型之间仍存在巨大差距。转化器需要大量的训练数据集，而人类大脑只需少量能量预算就能将经验有机地转化为语言。
尽管神经科学和人工智能之间的联系提供了洞察力，但理解我们大脑的复杂性仍然是一个巨大的挑战。生物联系只是拼图中的一块–要解开人类智能的复杂性还需要跨学科的持续努力。神经生物学如何实现近乎神奇的效果，仍然是科学最深的谜团。
