研究人员称大脑延迟可能是一种计算优势

生物元件的可靠性不如电子元件，而且信号到达时会有各种延迟，而不是即时接收。这就迫使大脑通过让每个神经元随着时间的推移整合传入信号并在之后触发来应对上述延迟，并使用一组神经元(而不是一个神经元)来克服暂时不触发的神经元细胞。

延迟似乎只是一个不可避免的缺点，它会使大脑变得迟钝，并降低其效率，但延迟实际上对大脑学习有益吗?

在《物理A：统计力学及其应用》杂志上发表的一项新研究中，巴伊兰大学物理系和贡达(Goldschmied)多学科脑研究中心的科学家对这个问题给出了响亮的“是”的回答。

由伊多·坎特(IdoKanter)教授领导的团队发现，延迟实际上可以在不改变架构的情况下为更高效、更灵活的学习开辟道路。

“延迟系统的巨大优势在于，大脑的动态特性可以利用延迟，”坎特教授说道。“在人工神经网络中，每个物体都需要有自己的输出单元才能被识别，而大脑可以使用一个神经元输出，其活动作为时间函数来区分不同的物体。从本质上讲，可以说大脑利用时间来学习，而计算机利用空间。”

“这使得大脑在无需改变架构的情况下，能够更加模块化地应对变化，”实验室的领头博士生YardenTzach说道。“学习新物体不需要不同的架构，而只需要在额外的输出时间学习信号。这还可以识别物体的组合。假设一张马的照片可以在某个时间被识别，一张人的照片在另一个时间被识别，但一个人骑马的照片可以在两者之间的某个中间时间被识别。”

这项新发现可以阐明，一种曾被认为是障碍的生物机制实际上如何极大地促进大脑的学习动态，甚至超越机器学习。利用这一新认识可以为更好、更快、更复杂的人工学习系统铺平道路。