來自澳大利亞悉尼大學和美國加州大學洛杉磯分校的一個研究團隊首次證明了可通過物理神經網絡實現即時學習和記憶，其研發受到大腦神經元工作方式的啟發，并與之高度相似。這一成果向開發高效率、低能耗的機器智能邁出了關鍵一步。相關論文1日發表在《自然·通訊》雜志上。
納米線網絡由直徑僅為十億分之一米的細線組成，這些細線模仿出的神經網絡，就像人類大腦中的神經網絡一樣，可用于執行特定的信息處理任務。
而記憶和學習任務是通過簡單的算法來實現的，這些算法響應納米線重疊處的電阻變化。這種功能被稱為“電阻記憶切換”，當電輸入遇到電導率變化時就會產生這種功能，類似于大腦中突觸發生的情況。
在這項研究中，受人腦處理信息方式的啟發，團隊成員利用該網絡成功識別了和記憶與圖像相對應的電脈沖序列。記憶任務類似于記住電話號碼。該網絡還能用于執行基準圖像識別任務，訪問手寫數字數據庫中的圖像，這是機器學習中使用的70000張小灰度圖像的集合。
研究人員稱，這種新穎方法允許納米線神經網絡即時學習和記憶，逐個樣本在線提取數據，從而避免大量的內存和能源占用。
團隊成員表示，納米線神經網絡此次展示了基準機器學習能力，在正確識別測試圖像方面得分為93.4%。記憶任務涉及回憶最多八位數字的序列。對于這兩項任務，數據都被傳輸到網絡中。最重要的是，該研究不但展示了納米線神經網絡在線學習的能力，還展示了其記憶如何增強學習。
在這個“大腦”中，納米線重疊的連接點其實非常重要，因為它的運作方式正類似于人類大腦突觸的運作方式，這是能對電流作出反應的關鍵。憑借這一成果，科學家證明了人類可以操控納米線網絡“大腦”去啟發學習和記憶功能，從而處理動態的流數據。不久的未來，人們也將用它實現更復雜的現實世界學習和記憶任務。
