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

IBM Research的一個(gè)研究團隊假設，神經(jīng)生成是海馬回內稀疏字典學(xué)習(Sparse dictionary learning)的關(guān)鍵；他們認為，其功能是將最高效率的大腦編碼保持在最新?tīng)顟B(tài)。

為了證實(shí)他們對于海馬回內的神經(jīng)生長(cháng)、死亡功能之假設，IBM Research研究人員開(kāi)發(fā)了神經(jīng)生成在線(xiàn)字典學(xué)習(neurogenetic online dictionary learning，NODL)算法，號稱(chēng)表現超越標準的ODL算法，透過(guò)建立更精簡(jiǎn)的表示方法(representation)，改善了重建的準確度。

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

她表示，在海馬回內的大腦干細胞一直處于開(kāi)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。20170914-AIE-1IBM的研究團隊用標準化影像數據集來(lái)評估其N(xiāo)ODL算法；從圖中可見(jiàn)NODL (藍色)表現超越ODL (紫色)，藉由建立了更精簡(jiǎn)的表示方法改善了重建準確度（來(lái)源：IBM Research）

Rish是專(zhuān)攻人工智能的計算機科學(xué)家，她第一份工作是在IBM的機器學(xué)習團隊，研究如何利用AI來(lái)診斷疾??；后來(lái)她轉調IBM的運算神經(jīng)科學(xué)(computational neuroscience)團隊，現在則是加入AI基礎研究實(shí)驗室(AI Foundations Lab)，負責開(kāi)發(fā)深度學(xué)習以外模擬人腦各方面微妙功能的算法：“我們是第一個(gè)針對海馬回干細胞神經(jīng)元生/死功能進(jìn)行詳盡分析的團隊。”

IBM在IJCAI大會(huì )上，以“神經(jīng)生成啟發(fā)字典學(xué)習：適應世界變化的在線(xiàn)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(xiàn)字典學(xué)習模型，具備能適應環(huán)境改變的加強能力，并展示了其N(xiāo)ODL算法在準確度上超越標準ODL的成果。

Rish的團隊并沒(méi)有嘗試模仿海馬回內的神經(jīng)生成，因為歐盟的Blue Brain研究項目正在進(jìn)行這方面的研究；IBM研究人員試圖揭開(kāi)神經(jīng)生成功能奧秘，然后將結果導入軟件算法，以執行相同的功能。Rish的團隊并假設海馬回中的齒狀回(dentate gyrusof)，能改善認知功能，包括識別與分辨圖形。

深度學(xué)習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化，反之突觸很少使用就會(huì )萎縮；而神經(jīng)生成透過(guò)新生成稀疏神經(jīng)網(wǎng)絡(luò )來(lái)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(lái)徹底抹除過(guò)時(shí)任務(wù)，如此為機器學(xué)習添加全新的面向，能定義全新的感知數據集「字典」、同時(shí)淘汰舊的，以響應環(huán)境的改變。