近期，一个希腊的研究团队透过将仿生学的特徵融入AI，创造更小、更智能的系统。它模仿我们的大脑处理资讯的方式，提高它们在识别模式和做出决策方面的效率。这将带来更有效率的AI应用。

FORTH分子生物学和生物技术研究所（IMBB）Panayiota Poirazi博士的团队在《自然通讯》期刊上发表了一篇新文章，提出了一种新型人工神经元架构，该架构结合了生物树突的不同特徵，并在各种图像识别情境中进行了测试。

树突是神经细胞的分支延伸，类似树枝。它们的主要功能是接收来自其他神经元的资讯，并将其传递到细胞本体。多年来，树突在资讯处理中的作用尚不清楚，但最近的研究显示，它们可以独立於主要神经元执行复杂的计算。此外，树突对於大脑的可塑性至关重要，即大脑适应不断变化的环境的能力。

研究结果显示，这些树突状人工神经网路（ANN）更能抵抗过度拟合，并且在使用更少的资源（即可训练叁数和学习步骤）的情况下，可以达到或超越传统ANN的性能。

这种改进来自一种独特的学习方法，其中网路中的多个节点有助於不同类别的编码。这与传统的ANN相反，後者大多数节点都是针对特定类别的。总体而言，研究表明，结合树突特徵可以使ANN更智能、更有效率。