Как человеческий мозг, так и современные искусственные нейронные сети чрезвычайно мощны. На самом низком уровне нейроны работают вместе как довольно простые вычислительные единицы. Искусственная нейронная сеть обычно состоит из нескольких слоев, состоящих из отдельных нейронов. Входной сигнал проходит через эти слои и обрабатывается искусственными нейронами для извлечения соответствующей информации. Однако обычные искусственные нейроны существенно отличаются от своих биологических моделей тем, как они обучаются. В то время как большинство искусственных нейронных сетей для обучения зависят от всеобъемлющей координации вне сети, биологические нейроны получают и обрабатывают сигналы только от других нейронов, находящихся в непосредственной близости от них в сети. Биологические нейронные сети по-прежнему намного превосходят искусственные как по гибкости, так и по энергоэффективности.

Новые искусственные нейроны, известные как инфоморфные нейроны, способны к независимому обучению и самоорганизации среди соседних нейронов. Это означает, что самый маленький модуль в сети больше не должен управляться извне, а сам решает, какой вход релевантен, а какой нет. При разработке инфоморфных нейронов команда была вдохновлена тем, как работает мозг, особенно пирамидальными клетками в коре головного мозга. Они также обрабатывают стимулы из различных источников в своем непосредственном окружении и используют их для адаптации и обучения. Новые искусственные нейроны преследуют очень общие, простые для понимания цели обучения: "Теперь мы непосредственно понимаем, что происходит внутри сети и как отдельные искусственные нейроны учатся независимо", - подчеркивает Марсель Грец из CIDBN.

Определив цели обучения, исследователи позволили нейронам самим находить свои конкретные правила обучения. Команда сосредоточилась на процессе обучения каждого отдельного нейрона. Они применили новую теоретико-информационную меру, чтобы точно определить, должен ли нейрон стремиться к большей избыточности со своими соседями, сотрудничать синергетически или пытаться специализироваться на своей собственной части информации сети. "Специализируясь на определенных аспектах входных данных и координируя свои действия со своими соседями, наши инфоморфные нейроны учатся вносить свой вклад в выполнение общей задачи сети", - объясняет Валентин Нойхаус из MPI-DS. С помощью инфоморфных нейронов команда не только разрабатывает новый метод машинного обучения, но и вносит свой вклад в лучшее понимание процесса обучения в мозге.