突破性研究！「資訊形態神經元」實現自主學習，仿生程度超越傳統AI

德國哥廷根大學生物網路動力學校區研究所（CIDBN）與馬克斯普朗克動力學與自組織研究所（MPI-DS）的科學家團隊，成功開發出能像生物神經元般自主學習的「資訊形態神經元」，並以此建構人工神經網路。這項革命性研究成果已發表於《美國國家科學院院刊》。

有別於傳統人工神經元需要外部協調才能學習，這種新型神經元具備自我組織能力，能從網路鄰近節點主動獲取所需資訊。研究團隊特別參考大腦皮質中的錐體細胞運作模式，這些細胞會根據周遭環境的刺激來源進行調適與學習。

CIDBN研究員馬塞爾·格拉茨指出：「我們現在能直接觀察網路內部運作，清楚看見每個人工神經元如何獨立學習。」團隊運用創新資訊理論方法，讓神經元自行判斷該與鄰近節點建立冗餘連結、協同合作，或是專精處理特定資訊。

MPI-DS的瓦倫丁·諾伊豪斯解釋：「透過專業分工與鄰近協調，我們的資訊形態神經元能自主掌握如何貢獻於網路整體任務。」這項技術不僅開創機器學習新途徑，更有助於解密大腦的學習機制。

現行人工神經網路雖具強大運算能力，但在靈活性與能源效率方面仍遠不及生物神經網路。關鍵差異在於：生物神經元僅處理鄰近節點訊號，而傳統人工神經元需要外部控制。資訊形態神經元的問世，標誌著AI向真正仿生學習邁出重要一步。