Neurocomputing：中科院神经所王佐仁团队提出全新“类脑学习”框架

背景：传统人工智能依赖损失函数和反向传播进行训练，但人脑学习机制与此不同，缺乏显式损失函数和精确梯度回传，主要依赖高级脑区的自顶向下调控信号。研究目的：为模拟生物大脑学习机制，中国科学院团队提出自顶向下信用分配网络（TDCA）框架，旨在替代传统损失函数和反向传播，实现更接近大脑的学习方式。结论：TDCA在多种任务（如非凸优化、图像分类、强化学习）中表现出更快收敛、更强稳定性和更低计算成本，为类脑人工智能提供了新训练范式，并有望推动低功耗智能芯片和机器人学习策略的发展。