【新唐人北京時間2022年05月07日訊】大腦是一個由數十億個神經元組成的複雜網絡。每個神經元同時與成千上萬個神經元通過「突觸」溝通，並通過名為「樹突」結構的多條長長的「手臂」接收外界的信息。

在過去七十多年來，科學家一直以為，大腦學習的過程是通過改變突觸（synapse）的強度，繼而激活與它們相連的神經元而完成。這種理論也指導著人工智能網絡、機器學習算法的設計，對現代社會的方方面面有著深遠的影響。可是最新的一份研究發現，神經元的工作模式並不是這樣。

以色列巴伊蘭大學（Bar-Ilan University）的研究人員在新研究中揭示，他們的實驗顯示，學習的機制主要是通過神經元的樹突（dendritic trees）結構完成。研究者稱，樹突結構就像神經元大樹的樹幹和樹枝，學習的過程是通過改變樹幹和樹枝的強度而完成，而不像以前以為的僅改變突觸（樹狀結構上的葉子）進行。

研究稱這項發現表明神經元是個非常複雜、動態的計算單元，並不是像以前認為的只有激活和關閉兩種狀態的二元系統。僅一個神經元就能執行深度學習算法，而以前的研究以為，這需要一整套由幾千個神經元、並通過突觸相互連接的人工智能網絡才能完成。

這份研究的負責人巴伊蘭大學物理系教授伊多‧坎特（Ido Kanter）說：「我們的研究顯示，單個神經元樹狀結構進行學習後，對手寫數字識別的成功率接近100%。這項發現為開發新型仿生人工智能硬件鋪平了道路。」

這份研究4月28日發表於《自然》（Nature）旗下的子刊《科學報告》（Scientific Reports）期刊。

（轉自大紀元/責任編輯：葉萍）