突触记忆巩固与智能塑性的理论

人类和动物在一生中不断学习。这种持续学习对智力至关重要。在本章中，我们检讨了具有复杂内部突触动力学的塑性机制在神经网络中发挥这一能力所发挥的关键作用。通过梳理理论研究，我们概述了持续学习的两个基本使能器。首先，突触塑性机制必须在数个行为相关的时间尺度上维持和演化其内部状态。其次，塑性算法必须利用内部状态来智能地调节个别突触的塑性，以促进新记忆的无缝整合，同时避免与现有记忆的有害干扰。本章涵盖了这些原则成功应用于深度神经网络的案例，并强调了突触元塑性在维持持续学习能力方面的重要性。最后，我们勾勒了进一步的研究方向，以理解大脑卓越的持续学习能力并将类似机制用于人工智能系统。