大脑作为蓝图：脑神经学启发的人工智能学习方法综述

受脑神经学原则启发，深度学习推动了感知及其他认知过程功能模型的指数级突破。其成功关键在于实现了生物神经网络中关键特征：将神经元作为信息传递单元、用于实现通用函数逼近的非线性激活函数，以及注意力过程所必需的复杂结构。然而，标准深度学习模型依赖于生物学上难以置信的误差传播算法，且难以逐步积累知识。尽管支配突触可塑性的精确学习规则尚未被确定，但近期神经科学的发现可能为人工智能的进一步发展提供动力。本文审查了脑神经学启发原则在深度学习中成功的实现方式、当前的局限性，以及受最新神经科学进展启发的潜在方向，包括通过突触更新实现的误差计算、传播与集成。