PNAS论文提出自组织神经网络学习机制

2026年10月9日，MIT McGovern 脑研究所与 K. Lisa Yang 整合计算神经科学中心（ICoN）在 PNAS 发表研究，论证自组织能力应成为衡量人工神经网络生物学合理性的关键指标。研究显示，随机连接的多层网络仅凭“同时激活的神经元连接增强”等简单规则，即可自组织成有效的信息处理网络，学会识别模式和分类图像；该自组织网络采用类似梯度下降的优化策略，性能与依赖反向传播设计的网络相当，而反向传播被神经科学家认为不太可能是大脑使用的方式。研究者据此认为，自组织能力应成为衡量神经网络生物学合理性的关键指标。该报道由 MIT News 于 2026 年 10 月 14 日发布，为目前关于此事的最新进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。