近期，一個希臘的研究團隊透過將仿生學的特徵融入AI，創造更小、更智能的系統。它模仿我們的大腦處理資訊的方式，提高它們在識別模式和做出決策方面的效率。這將帶來更有效率的AI應用。

FORTH分子生物學和生物技術研究所（IMBB）Panayiota Poirazi博士的團隊在《自然通訊》期刊上發表了一篇新文章，提出了一種新型人工神經元架構，該架構結合了生物樹突的不同特徵，並在各種圖像識別情境中進行了測試。

樹突是神經細胞的分支延伸，類似樹枝。它們的主要功能是接收來自其他神經元的資訊，並將其傳遞到細胞本體。多年來，樹突在資訊處理中的作用尚不清楚，但最近的研究顯示，它們可以獨立於主要神經元執行複雜的計算。此外，樹突對於大腦的可塑性至關重要，即大腦適應不斷變化的環境的能力。

研究結果顯示，這些樹突狀人工神經網路（ANN）更能抵抗過度擬合，並且在使用更少的資源（即可訓練參數和學習步驟）的情況下，可以達到或超越傳統ANN的性能。

這種改進來自一種獨特的學習方法，其中網路中的多個節點有助於不同類別的編碼。這與傳統的ANN相反，後者大多數節點都是針對特定類別的。總體而言，研究表明，結合樹突特徵可以使ANN更智能、更有效率。