在过去的十多年里，计算机科学家开发出了越来越先进的计算技术，能够以与人类相当的精度处理现实世界的任务。虽然许多人工智能 (AI) 模型取得了显著的成果，但它们往往不能精确复制人脑执行的计算。

Tibbling Technologies、哈佛医学院布罗德研究所、澳大利亚国立大学和其他机构的研究人员最近尝试使用人工智能来模仿大脑皮层电路执行的一种特定类型的计算，即所谓的“赢者通吃”计算。

他们的论文发表在bioRxiv预印本服务器上，报告了对该计算的成功模拟，并表明将其添加到基于变压器的模型中可以显著提高其在图像分类任务上的性能。

论文第一作者 Asim Iqbal 告诉 Tech Xplore：“我们最近的论文受到了哺乳动物大脑，特别是大脑皮层惊人的计算能力的启发。”

“我们的主要目标是从大脑处理信息的方式中汲取灵感，并应用这些原则来改进人工智能系统。具体来说，我们专注于一种称为&luo;赢者通吃&ruo;的计算，这似乎是皮质电路中的一项基本作。”

“赢者通吃”是一种生物机制，当一组神经元中的一个或几个神经元(即激活程度最高的神经元)影响计算结果时就会发生这种情况。更活跃的神经元本质上会抑制其他神经元的活动，成为唯一对特定决策或计算做出贡献的细胞。

Iqbal 和他的同事尝试使用神经形态硬件真实地模拟这种生物计算，然后用它来提高成熟的机器学习模型的性能。为此，他们使用了 IBM 的 TrueNorth 神经形态硬件，该专为模拟大脑组织而设计。