Nowe sztuczne neurony uczą się niezależnie i są silniej modelowane na swoich biologicznych odpowiednikach. Zespół naukowców z Göttingen Campus Institute for Dynamics of Biological Networks (CIDBN) na University of Göttingen i Max Planck Institute for Dynamics and Samoorganization (MPI-DS) zaproponował te neurony i skonstruowane sztuczne sieci neuronowe. Szczególną cechą jest to, że poszczególne sztuczne neurony uczą się w samoorganizowany sposób i wyciągają niezbędne informacje z ich bezpośredniego środowiska w sieci. Wyniki zostały opublikowane w PNA.
Zarówno ludzki mózg, jak i współczesne sztuczne sieci neuronowe są niezwykle potężne. Na najniższym poziomie neurony działają razem jako proste jednostki obliczeniowe. Sztuczna sieć neuronowa zazwyczaj składa się z kilku warstw złożonych z poszczególnych neuronów. Sygnał wejściowy przechodzi przez te warstwy i jest przetwarzany przez sztuczne neurony w celu wydobycia odpowiednich informacji. Jednak konwencjonalne sztuczne neurony różnią się znacznie od ich modeli biologicznych w sposobie uczenia się. Podczas gdy większość sztucznych sieci neuronowych zależy od nadrzędnej koordynacji poza siecią, aby się uczyć, neurony biologiczne odbierają tylko sygnały z innych neuronów w ich bezpośrednim sąsiedztwie w sieci. Biologiczne sieci neuronowe są nadal znacznie lepsze od sztucznych pod względem elastyczności i efektywności energetycznej.
Nowe sztuczne neurony, znane jako neurony infomorficzne, są w stanie uczyć się niezależnie i samoorganizowani wśród ich sąsiednich neuronów. Oznacza to, że najmniejsza jednostka w sieci nie musi być już kontrolowana z zewnątrz, ale decyduje się, które dane wejściowe jest odpowiednie, a które nie. Opracowując neurony infomorficzne, zespół został zainspirowany sposobem działania mózgu, szczególnie komórek piramidalnych w korze mózgowej. Te przetwarzają również bodźce z różnych źródeł w ich bezpośrednim środowisku i wykorzystują je do dostosowania i uczenia się. Nowe sztuczne neurony realizują bardzo ogólne, łatwe do zrozumienia cele uczenia się: „Teraz bezpośrednio rozumiemy, co dzieje się w sieci i jak uczą się poszczególnych sztucznych neuronów”, podkreśla Marcela Graetza z Cidbn.
Definiując cele uczenia się, naukowcy umożliwili neuronom samodzielne znalezienie swoich konkretnych zasad uczenia się. Zespół skupił się na procesie uczenia się każdego indywidualnego neuronu. Zastosowali nową miarę teoretyczną, aby precyzyjnie dostosować, czy neuron powinien szukać większej redundancji z sąsiadami, współpracować synergistycznie, czy też starać się specjalizować we własnej części informacji sieci. „Specjalizując się w niektórych aspektach wkładu i koordynowania z sąsiadami, nasze neurony infomorficzne uczą się, jak przyczynić się do ogólnego zadania sieci”, wyjaśnia Valentin Neuhaus z MPI-DS. W przypadku neuronów infomorficznych zespół opracowuje nie tylko nową metodę uczenia maszynowego, ale także przyczynia się do lepszego zrozumienia uczenia się w mózgu.