生物连接组作为人工神经网络架构的表征
神经与进化计算
2022-12-26 v2 人工智能
机器学习
神经元与认知
摘要
神经科学领域的重大努力正致力于绘制多种新物种的连接组，包括接近完成的黑腹果蝇。重要的是要追问这些模型是否能使人工智能受益。在这项工作中，我们提出两个基本问题：(1) 生物连接组在何处以及何时能为机器学习提供助益，(2) 提取连接组良好表征需要哪些设计原则。为此，我们将秀丽隐杆线虫的运动回路在不同生物物理真实度水平上转化为人工神经网络，并评估这些网络在运动与非运动行为任务上训练的结果。我们证明，不必维持生物物理真实度也能获得使用生物回路的优势。我们还确定，即便未保留精确的连线图，其架构统计特性也提供了有价值的先验。最后，我们表明，虽然秀丽隐杆线虫运动回路对运动问题提供了强大的归纳偏置，但其结构可能阻碍其在与运动无关的任务（如视觉分类问题）上的表现。
引用
@article{arxiv.2209.14406,
title = {Biological connectomes as a representation for the architecture of artificial neural networks},
author = {Samuel Schmidgall and Catherine Schuman and Maryam Parsa},
journal= {arXiv preprint arXiv:2209.14406},
year = {2022}
}