在过去的1个世纪里，神经科学的研究使人们错误地认为神经元是唯一能够处理和学习信息的细胞，这种误解和事实相去甚远。

星形胶质细胞是另一种类型的脑细胞，过去研究人员一直认为，它的作用仅仅是填补神经元之间的空隙。但现在的研究发现，这些细胞在大脑功能中也起着关键作用，包括学习和中枢模式生成(CPG)，这是呼吸和行走等关键节律行为的基础。

现有的计算机系统都是以神经元的结构和功能为目标的，受到新研究结果启发，罗格斯大学的研究人员提出了一种新算法。他们将在7月份的ICONS 2020大会上介绍了一种由人工星形胶质细胞调制的神经形态中枢模式发生器(CPG)，它成功将几种有节奏的行走行为植入室内机器人中。

研究人员引入了一种新的神经形态研究方法，旨在通过复制神经元和星形胶质细胞协同工作产生特定行为的无缝方式来理解和模拟人脑整体。他们是第1个从这个角度看待人工智能(AI)发展的人，他们不认为神经元是大脑中唯一的处理单元，而是在神经网络中引入星形胶质细胞作为第2个处理单元。

罗格斯大学计算机科学助理教授、这项研究的首席研究员康斯坦蒂诺·米奇米索斯(Konstantinos Michmizos)表示，星形胶质细胞的数量是神经元的2到10倍。理解或模仿大脑一半以上的部分在做什么的影响是巨大的。”

首先，米奇米索斯的实验室设计了计算模型，描述了当星形胶质细胞接收和发送神经脉冲时，星形胶质细胞内部发生了什么。然后，他们将这些模型用作神经元星形细胞网络的构建块，这些神经网络被嵌入到可以控制机器人的神经形态芯片中。

在研究人员设计的系统中，机器人的功能自然来自人工神经元和星形胶质细胞之间的塑性相互作用。因此，他们的CPG的结构和功能与主流的学习算法有很大的不同，主流的学习算法只关注神经元，没有充分利用大脑如何工作的现有知识。

通过让星形胶质细胞改变神经元之间的交流方式，这个网络改变了它控制有腿机器人的方式，而不改变它的结构。这种可塑的细胞功能改变了神经元传递神经脉冲的方式，是一种与主流学习算法根本不同的方法。

通常，神经形态芯片被用来实现简单的神经元模型，这些模型只复制人脑细胞的部分活动。米奇米索斯和他的团队是第1批在神经形态芯片上成功实现更复杂行为(如爆发行为)的人之一。

到目前为止，该团队已经通过使用CPG在模拟环境中控制6条腿机器人的行走行为来证明其有效性。他们的系统取得了显著的效果，使机器人能够在不同的速度下高效地移动，而不会受到外界感官干扰的影响。

译/前瞻经济学人APP资讯组

参考资料：

[1]l