چگونه شبکه‌های عصبی مصنوعی ماشین یادگیری خود را می‌سازند.
هوش مصنوعی با قدرتمندتر شدن، توانایی انکارناپذیری در انجام وظایف مشابه انسان پیدا کرده است. شبکه‌های عصبی مصنوعی می‌توانند یاد بگیرند تصاویر را تشخیص دهند، از زبان استفاده کنند یا کد کامپیوتر بنویسند. درست مانند مدارهای مغز، آن‌ها با یادگیری سازماندهی مجدد می‌شوند و قدرت اتصالات خود را برای بهبود عملکرد تنظیم می‌کنند.
سوال برای بسیاری از متخصصان علوم اعصاب این است: این سیستم‌های ماشینی چه چیزی در مورد نحوه یادگیری مغز به آن‌ها می‌آموزند؟ و چه نوع مدل‌هایی احتمالاً آموزنده‌ترین خواهند بود؟
در مقاله‌ای که در تاریخ ۹ اکتبر در مجله PNAS منتشر شد، دانشمندان موسسه تحقیقات مغز و مرکز علوم اعصاب محاسباتی یکپارچه K. Lisa Yang در MIT استدلال می‌کنند که یک معیار حیاتی برای قابلیت زیستی رویکرد یک شبکه عصبی مصنوعی به یادگیری، توانایی شبکه در سازماندهی خود بدون دخالت توسعه‌دهنده است. آن‌ها نشان می‌دهند که یک شبکه عصبی مصنوعی می‌تواند ماشین‌آلات یادگیری خود را بسازد. با دستورالعمل‌های ساده‌ای در مورد چگونگی و زمان تغییر اتصالات، یک گروه از واحد‌های به‌طور تصادفی متصل می‌توانند خود را به یک شبکه پردازش اطلاعات موثر تبدیل کنند و از داده‌هایی که با آن‌ها آموزش داده می‌شوند، یاد بگیرند.
یادگیری بیولوژیکی «فناوری هوش مصنوعی فعلی بسیار خوب کار می‌کند، اما لزوماً از الگوریتم یادگیری که مغز استفاده می‌کند، استفاده نمی‌کند»، می‌گوید Qianli Liao، همکار پسادکتری مرکز ICoN K. Lisa Yang در آزمایشگاه‌های اساتید MIT و McGovern.