生物神經網絡有一個重要的特點是高度可塑性，這使得自然生物體具有卓越的適應性，并且這種能力會影響神經系統的突觸強度和拓撲結構。

然而，人工神經網絡主要被設計為靜態的、完全連接的結構，在面對不斷變化的環境和新的輸入時可能非常脆弱。盡管研究人員對在線學習和元學習進行了大量研究，但目前最先進的神經網絡系統仍然使用離線學習，因為這與反向傳播結合使用時更加簡單。

那么，人工神經網絡是否也能擁有類似于高度可塑性的性質？

來自哥本哈根信息技術大學的研究團隊提出了一種自組織神經網絡 ——LNDP，能夠以活動和獎勵依賴的方式實現突觸和結構的可塑性。

• 論文鏈接：https://arxiv.org/pdf/2406.09787
• 項目鏈接：https://github.com/erwanplantec/LNDP

研究簡介

2023 年，Najarro 等人提出了神經發育程序（NDP）模型。但 NDP 在時間上限制在環境前期階段。因此，哥本哈根信息技術大學的研究團隊通過擴展 NDP 框架來解決這一限制。

具體而言，研究團隊提出了一種在智能體生命周期內能夠實現可塑性和結構變化的機制 ——LNDP（Lifelong Neural Developmental programs）。該機制通過執行局部計算來實現，依賴于人工神經網絡中每個神經元的局部活動和環境的全局獎勵函數。LNDP 使得人工神經網絡具備可塑性，并橋接了間接發育編碼（indirect developmental encoding）和元學習的可塑性規則。

LNDP 由一組參數化組件組成，旨在定義神經和突觸動態，并使人工神經網絡具有結構可塑性（即突觸可以動態添加或移除）。

受生物自發性活動（spontaneous activity，SA）的啟發，研究團隊進一步擴展了系統，引入了一種可實現預經驗（pre-experience）發展的機制，用感覺神經元的簡單可學習隨機過程建模 SA，這使得一些組件可以復用。

研究團隊基于 Graph Transformer 層（Dwivedi and Bresson, 2021）提出了一種 LNDP 實例，并在一組強化學習任務中使用協方差矩陣自適應進化策略（CMA-ES）優化了 LNDP。

具體來說，該研究采用了三個經典控制任務（Cartpole、Acrobot、Pendulum）以及一個具有非平穩動態的搜集任務（Foraging），這些任務需要智能體具備生命周期適應性。

總的來說，研究團隊展示了從隨機連接（或空）神經網絡開始， LNDP 以活動和經驗依賴的方式，自組織地形成了功能性網絡，以有效解決控制性任務。

該研究還表明，在需要快速適應或具有非平穩動態、需要持續適應的環境中，結構可塑性能夠改善結果。此外，該研究還展示了基于預環境自發性活動驅動的發展階段在網絡自組織形成功能單元方面的有效性。

實驗結果

研究團隊在所有任務上測試了 SP 模型（具有結構可塑性的模型）和非 SP 模型（無結構可塑性的模型）之間的差異，結果如下圖 2 所示。

在具有非平穩動態的搜集任務（Foraging）上，研究團隊發現 SP 模型始終比非 SP 模型達到更高的平均適應度，并且兩者達到相似的最大適應度。這表明 SP 在非平穩情況下具有更好的適應性。

在 CartPole 環境中，對于沒有 SA 的模型來說，在最開始就達到良好性能特別困難，而具有 SA 的模型在最初就顯示出解決任務的固有技能。這展示出模型在非獎勵依賴和自組織的方式下實現目標功能網絡的能力。

更多研究細節，請參考原論文。