根據(jù)賓夕法尼亞州立大學的研究團隊，大腦里有一種細胞被稱為星形膠質細胞，弄清晰其功能，以物理硬件設備模擬，可能形成高效的人工智能(AI)和機器學習，比目前技術更擅長自主自我糾錯，消耗更少的能量。

[[433405]]

星形膠質細胞因其星形而得名，是一種膠質細胞，是大腦神經(jīng)元的支持細胞。它們在記憶、學習、自我修復和同步等大腦功能中發(fā)揮著至關重要的作用。

電子工程和計算機科學助理教授Abhronil Sengupta說:“這個項目源于計算神經(jīng)科學最近的觀察，因為人們對大腦如何工作已經(jīng)付出了大量的努力，有了一定理解，并且正在試圖修改簡單的神經(jīng)元-突觸連接模型。”“事實證明，大腦中還有第三種成分——星形膠質細胞，它是大腦細胞的重要組成部分，但它在機器學習和神經(jīng)科學中的作用一直被忽視。”

與此同時，人工智能和機器學習領域生機勃勃。根據(jù)分析公司Burning Glass Technologies的數(shù)據(jù)，到2025年，人工智能和機器學習技能的需求預計將以71%的復合增長率增長。然而，隨著這些技術的使用增加，人工智能和機器學習面臨著挑戰(zhàn)——消耗大量能源。

Sengupta說:“人工智能和機器學習一個經(jīng)常被低估的問題是系統(tǒng)的功耗。例如，幾年前，IBM試圖模擬一只貓的大腦活動，結果消耗了大約幾兆瓦的電力。如果在我們今天可以擁有的最好的超級計算機上模擬人類大腦活動，功耗遠不止這個數(shù)。”

所有這些電力消耗都是由于開關、半導體和其他發(fā)生在計算機處理中的機械和電子過程的復雜舞蹈，當這些過程像人工智能和機器學習所要求的那樣復雜時，這種舞蹈將大大增加。一個潛在的解決方案是神經(jīng)形態(tài)計算，即模擬大腦功能的計算。研究人員之所以對神經(jīng)形態(tài)計算感興趣，是因為人腦已經(jīng)進化到比計算機消耗更少的能量，所以模仿這些功能將使人工智能和機器學習更節(jié)能。

另一種可能用于神經(jīng)形態(tài)計算的大腦功能是大腦如何自我修復受損的神經(jīng)元和突觸。

Sengupta說:“星形膠質細胞在大腦的自我修復中發(fā)揮著非常重要的作用。”“當我們試圖想出這些新的設備結構時，我們試圖形成一個人工神經(jīng)形態(tài)硬件的原型，這是由許多硬件級故障的特征。因此，也許我們可以從計算神經(jīng)科學中獲得見解，基于星形膠質細胞如何在大腦中引起自我修復，并利用這些概念可能導致神經(jīng)形態(tài)硬件的自我修復，以修復這些故障。”

Sengupta的實驗室主要研究自旋電子設備，這是一種通過自旋電子處理信息的電子設備。研究人員檢查了這些設備的磁性結構，以及如何通過在設備的內在物理學中模擬大腦的各種神經(jīng)突觸功能來使它們具有神經(jīng)形態(tài)。

研究人員還為此開發(fā)了神經(jīng)科學模型，包括星形膠質細胞模型，以了解星形膠質細胞功能的哪些方面與他們的研究最相關。他們還建立了自旋電子器件的理論模型。

這項研究是1月份發(fā)表在《神經(jīng)科學前沿》上的一項研究的一部分。這項研究的結果最近也發(fā)表在了該雜志上。