一個(gè)相對(duì)較新的算法解決方案，是以生物學(xué)家在神經(jīng)生成(neurogenesis)──也就是新腦細(xì)胞(神經(jīng)元)的成長(zhǎng)，以及舊腦細(xì)胞的消滅，還有這些腦細(xì)胞之間的大大小小連結(jié)(較強(qiáng)或較弱的突觸)；主要是在海馬回(hippocampus)內(nèi)──方面的最新發(fā)現(xiàn)為基礎(chǔ)。

IBM Research的一個(gè)研究團(tuán)隊(duì)假設(shè)，神經(jīng)生成是海馬回內(nèi)稀疏字典學(xué)習(xí)(Sparse dictionary learning)的關(guān)鍵；他們認(rèn)為，其功能是將最高效率的大腦編碼保持在最新狀態(tài)。

為了證實(shí)他們對(duì)于海馬回內(nèi)的神經(jīng)生長(zhǎng)、死亡功能之假設(shè)，IBM Research研究人員開發(fā)了神經(jīng)生成在線字典學(xué)習(xí)(neurogenetic online dictionary learning，NODL)算法，號(hào)稱表現(xiàn)超越標(biāo)準(zhǔn)的ODL算法，透過建立更精簡(jiǎn)的表示方法(representation)，改善了重建的準(zhǔn)確度。

IBM是在8月底于澳洲墨爾本舉行的IJCAI 2017國(guó)際人工智能聯(lián)合會(huì)上發(fā)表其最新研究成果；IBM Research的AI基礎(chǔ)研究團(tuán)隊(duì)科學(xué)家Irina Rish接受EE Times專訪時(shí)表示：“人們總是認(rèn)為，所有的腦細(xì)胞都是跟我們一起誕生，這些細(xì)胞可能會(huì)死亡，但是不會(huì)有新的腦細(xì)胞出生；但事實(shí)證明，很多大腦的干細(xì)胞(stem cells)是可以被打開，例如可取代受損的細(xì)胞。”

她表示，在海馬回內(nèi)的大腦干細(xì)胞一直處于開啟狀態(tài)，以制造新的神經(jīng)元支持更好的大腦編碼；同樣的，糟糕的編碼會(huì)讓該神經(jīng)元死亡。IBM的研究團(tuán)隊(duì)用標(biāo)準(zhǔn)化影像數(shù)據(jù)集來評(píng)估其NODL算法；從圖中可見NODL (藍(lán)色)表現(xiàn)超越ODL (紫色)，藉由建立了更精簡(jiǎn)的表示方法改善了重建準(zhǔn)確度（來源：IBM Research）

Rish是專攻人工智能的計(jì)算機(jī)科學(xué)家，她第一份工作是在IBM的機(jī)器學(xué)習(xí)團(tuán)隊(duì)，研究如何利用AI來診斷疾病；后來她轉(zhuǎn)調(diào)IBM的運(yùn)算神經(jīng)科學(xué)(computational neuroscience)團(tuán)隊(duì)，現(xiàn)在則是加入AI基礎(chǔ)研究實(shí)驗(yàn)室(AI Foundations Lab)，負(fù)責(zé)開發(fā)深度學(xué)習(xí)以外模擬人腦各方面微妙功能的算法：“我們是第一個(gè)針對(duì)海馬回干細(xì)胞神經(jīng)元生/死功能進(jìn)行詳盡分析的團(tuán)隊(duì)。”

IBM在IJCAI大會(huì)上，以“神經(jīng)生成啟發(fā)字典學(xué)習(xí)：適應(yīng)世界變化的在線模型”(Neurogenesis-Inspired Dictionary Learning: Online Model Adaption in a Changing World)為題，分享了其神經(jīng)生成在線字典學(xué)習(xí)模型，具備能適應(yīng)環(huán)境改變的加強(qiáng)能力，并展示了其NODL算法在準(zhǔn)確度上超越標(biāo)準(zhǔn)ODL的成果。

Rish的團(tuán)隊(duì)并沒有嘗試模仿海馬回內(nèi)的神經(jīng)生成，因?yàn)闅W盟的Blue Brain研究項(xiàng)目正在進(jìn)行這方面的研究；IBM研究人員試圖揭開神經(jīng)生成功能奧秘，然后將結(jié)果導(dǎo)入軟件算法，以執(zhí)行相同的功能。Rish的團(tuán)隊(duì)并假設(shè)海馬回中的齒狀回(dentate gyrusof)，能改善認(rèn)知功能，包括識(shí)別與分辨圖形。

深度學(xué)習(xí)算法通常是模仿人腦的神經(jīng)可塑性(neuroplasticity)──也就是突觸的使用增加就能使之強(qiáng)化，反之突觸很少使用就會(huì)萎縮；而神經(jīng)生成透過新生成稀疏神經(jīng)網(wǎng)絡(luò)來完成全新任務(wù)，又藉由讓老舊、很少使用的神經(jīng)元死亡來徹底抹除過時(shí)任務(wù)，如此為機(jī)器學(xué)習(xí)添加全新的面向，能定義全新的感知數(shù)據(jù)集「字典」、同時(shí)淘汰舊的，以響應(yīng)環(huán)境的改變。