人工智能研究的革命：新的神经网络模仿人类视觉！

人工智能研究的革命：新的神经网络模仿人类视觉！

2025年6月26日，拓扑神经网络（All-TNNs）的新研究发表在著名期刊上 自然人类行为 可以找到。这项研究是在奥斯纳布吕克大学认知科学研究所 Tim C. Kietzmann 教授的指导下进行的。这项研究的目的是在先进人工智能（AI）和生物合理性之间架起一座桥梁。

All-TNN 代表了一种组织信息的创新方法。其原理基于人类视觉系统的二维复制品，类似于视觉皮层中的“地图”。这代表着一个重大进步，因为虽然传统的卷积神经网络 (CNN) 能够实现视觉特征识别，但它们的识别方式与人脑实际处理它们的方式不同。 Kietzmann 博士强调，CNN 并不反映视觉处理的生物学基础。

全 TNN 的优点

通过皮质表面特征的空间组织选择性，全 TNN 能够更精确地捕获人类行为模式。这些模型可以彻底改变对感知和行为背后神经机制的理解。模拟还表明，这些系统作为物理模型，需要更少的能源，这使得它们更加资源有效。

All-TNN 的一个核心特征是相邻神经元单元的协调工作，这与自然过程相当。在空间中建立流体特征选择性的挑战是一个中心研究领域。科学家们已经开发出有前景的方法来优化全 TNN，例如通过高质量图像数据集和循环连接。

应用和挑战

全 TNN 的潜在应用范围从神经科学到心理学。通过模拟人类感知的能力，这些模型还可以为认知心理学和行为神经科学开辟新的途径。它们的发展也可能对未来人工智能模型的设计产生重大影响。

该研究的一个重要方面是寻找人工智能和神经科学之间的共同语言。全 TNN 可以帮助克服可解释和可理解的人工智能的挑战，这在当今的研究领域至关重要。

在应用神经科学的背景下，将技术融入日常生活仍然是一个重要的挑战。使技术系统适应人们的能力和需求的神经适应性技术在这里提供了潜力。 Fraunhofer IAO 的团队专注于人与机器之间的界面研究，以开发能够实时适应用户认知和情感状态的系统。

综上所述，All-TNN 可以被视为人工智能和神经科学领域的一项有前途的创新。它的发展不仅可以改变我们对人工智能的思考方式，还可以为心理学和其他相关学科的研究开辟新的机遇。有关这些令人兴奋的主题的更多信息可以在相应的研究文章中找到 实际人工智能 和 弗劳恩霍夫 IAO 。