天津大學人工智能學院於強教授團隊聯合國際科研人員，在神經網絡信息處理機制研究中取得重要突破。該研究聚焦於大腦神經網絡的「基本零件」——突觸，首次揭示了其處理時空信息的核心機制。相關成果於11月22日發表於國際著名學術期刊《美國科學院院刊》（PNAS）。

人類大腦中，數以億計的神經元以脈衝的形式，通過「突觸」這一連接點傳遞和處理信息。對其工作機制的模擬與計算，是人工智能領域發展的重要啟發源泉。具體而言，突觸具有兩種關鍵的調節能力：一種是「長時可塑性」，即其連接強度可以長期增強或減弱，這被認為是形成長期記憶的基礎；另一種是「短時可塑性」，指的是在極短時間內動態調節信號強度的能力。儘管兩者均至關重要，但它們如何協同工作，共同影響大腦的學習與信息處理效率，一直是未解之謎。

針對這一難題，研究團隊通過構建突觸計算與學習理論模型，發現當「長時可塑性」作用於「短時可塑性」時，大腦能夠將時間序列上的信息轉化為空間上的表達模式。這一機制顯著增強了神經網絡的記憶容量、抗干擾能力以及對複雜時空信息的識別能力。該模型還在小鼠與人類大腦皮層突觸電生理觀測中得到了驗證，顯示出高度的生物合理性。

「這項研究就像是我們找到了大腦在處理信息時的『協作密碼』。」於強比喻道，「它不僅解釋了大腦處理信息的底層邏輯，也為開發可解釋、可通用的下一代人工智能方法提供了重要支撐。」

（來源：新華社）