Cell研究揭示生物神经元强大新特性，是时候设计更复杂的神经网络了！

深度学习（DL）或者人工神经网络（ANN）模拟了生物神经元？

这是个很大的误解。

ANN充其量模仿了一个1957年面世的低配版神经元。

任何宣称深度学习的灵感来源于生物的人都是出于种种营销目的，或者他压根就没读过生物学文献。

不过，仿生系统研究怕是要遇到阻碍了。

两篇最近发表于Cell上的神经元基因Arc的新发现，揭示了生物神经元更大的复杂性，其远比我们想象得复杂得多。

深度学习里的神经元实质上是数学函数，即相似度函数。在每个人工神经元内，带权重的输入信号和神经元的阈值进行比较，匹配度越高，激活函数值为1并执行某种动作的可能性就越大，不执行（对应函数值为0）的可能性越小。

虽然有个别例外情况（比如自回归神经网络Autoregressive networks），但多数深度学习算法都是这样工作的，比如感知器（perceptron）、卷积神经网络（C