研究人員驚爆：大腦延遲竟藏計算優勢

生物成分不如電氣成分可靠，信號不是瞬間接收的，而是以各種延遲到達的。這迫使大腦通過讓每個神經元隨着時間整合輸入信號並隨後觸發，並且使用一羣神經元而非單個神經元，來應對上述延遲，以克服暫時不觸發的神經元細胞。

似乎延遲只是一個不可避免的缺點，會減緩大腦的速度並降低其效率，不過延遲實際上對大腦學習有益嗎？

在一項新發表於《物理 A：統計力學及其應用》雜誌的研究中，巴伊蘭大學物理系和貢達（戈德施米德）多學科大腦研究中心的科學家們以響亮的“是”回答了這個問題。

由伊多·坎特教授領導的團隊發現，在不改變架構的情況下，延遲實際上如何爲更高效和靈活的學習鋪平道路。

“延遲系統的一大好處在於，”坎特教授說。“在人工神經網絡中，每個對象都得有自己的輸出單元才能得以識別，而大腦可以使用一個神經元輸出，其作爲時間的函數的活動可以區分不同的對象。本質上來說，可以這麼講大腦利用時間來學習，而計算機利用空間。”

“這使得大腦在無需更改架構的情況下，對變化的適應更具模塊化特徵，”實驗室的首席博士生亞登·察赫（Yarden Tzach）說。“學習新的對象並不需要不同的架構，而僅僅是在額外的輸出時間學習一個信號。這也允許識別對象的組合。比如說，馬的圖片能在某個時間得以識別，人的圖片在另一個時間得以識別，而人騎馬的圖片則可以在這兩個時間之間的某個中間時段被識別。”

這一新發現能夠揭示一種原本被視爲障礙的生物機制，實際上是如何極大地有益於大腦的學習動態，甚至超越了機器學習。藉助這一新的理解能夠爲更優、更快以及更復雜的人工學習系統鋪平道路。