MIT研究：人工神经网络可自组装学习机制

发生了什么

据MIT报道，研究人员发现随机互连的神经元单元在共享可塑性规则下，可自组装形成学习基序，并实现模式识别与图像分类。该研究发表于《PNAS》，指出这种机制与反向传播训练的网络性能相似。作者强调，该研究旨在探索生物合理性，而非证明其可替代大规模模型中的反向传播，且自组织机制并不等同于大脑实际运作方式。