ORGaNICs：大脑与机器中的工作记忆理论
人工智能
2018-05-29 v4 神经元与认知
摘要
工作记忆是一种负责临时存储和操作信息的认知过程。大部分关于工作记忆的实证神经科学研究集中于测量简单延迟响应任务期间前额叶皮层（PFC）和/或顶叶皮层的持续活动，且大部分工作记忆模型均基于神经积分器。但工作记忆的含义远不止于在线维持一条信息。我们描述了一种新的工作记忆理论，该理论基于一个我们称之为 ORGaNICs（振荡循环门控神经积分器电路）的循环神经回路。ORGaNICs 是从机器学习和人工智能中引入的长短期记忆单元的一种变体。ORGaNICs 可用于解释工作记忆任务期间前额叶皮层（PFC）延迟活动的复杂动力学。该理论在解析上是可处理的，因此我们可以刻画其动力学特性，并且尽管动力学十分复杂，该理论提供了一种在任何时间点从动态变化的响应中读出信息的手段。ORGaNICs 可以通过锥体细胞的生物物理（电路）模型来实现，并结合经皮层-丘脑环路的分流抑制。尽管 ORGaNICs 是作为工作记忆的计算理论被引入的，但它也适用于感觉处理、运动准备和运动控制模型。与人工智能应用中常用的其他 LSTMs 变体相比，ORGaNICs 具有计算优势。因此，ORGaNICs 是大脑与机器中规范计算的一个框架。
引用
@article{arxiv.1803.06288,
title = {ORGaNICs: A Theory of Working Memory in Brains and Machines},
author = {David J. Heeger and Wayne E. Mackey},
journal= {arXiv preprint arXiv:1803.06288},
year = {2018}
}