资讯

Just like a fruit fly, a new algorithm never forgets old scents

Ars Technica·2026/9/3 18:22:52🔗 原文

📋总体概括

研究人员受果蝇嗅觉系统启发,提出一种基于「稀疏编码」的新算法。该算法借鉴昆虫嗅觉回路中将气味信息映射为高维空间中稀疏活动模式的特点,使AI模型能够快速学习新气味,同时避免神经网络常见的「灾难性遗忘」——即学新任务时覆盖旧知识的问题。这一成果表明,生物大脑中看似简单的低功耗结构,反而能为解决机器学习中最棘手的持续学习难题提供思路,对需要不断吸收新数据的AI系统具有借鉴意义。

关键信息

  • 研究受果蝇嗅觉系统启发,提出基于稀疏编码的新算法
  • 算法能实现快速学习,效率接近昆虫对气味的即时反应
  • 核心优势是避免灾难性遗忘,学到的新旧知识可共存
  • 果蝇嗅觉回路将气味映射为高维稀疏活动模式,是其抗遗忘的关键机制
  • 成果为机器学习持续学习问题提供了生物启发的解决路径

🔥犀利点评

果蝇大脑不到十万个相关神经元,却干成了深度学习大佬们烧卡都头疼的事:学新不忘旧。讽刺的是,大模型动辄千亿元级参数,换任务就灾难性遗忘,而昆虫用稀疏编码——把信息摊开到低重叠的表征里——就优雅化解。这再次说明:解决问题的关键未必是堆算力,而是找对表征结构。生物 Brain 跑了几亿年的优化,AI圈与其追参数规模,不如多低头看看这些小东西。

本文由本站自动聚合,以下为原始来源:前往 Ars Technica 阅读全文