人工智能研究新进展 中国团队提出“基于内生复杂性”类脑计算方法|

中新网北京8月17日电 (记者 孙自法)针对“基于外生复杂性”通用人工智能(AI)路径面临计算资源及能源消耗难以为继、可解释性不足等问题，中国科学院自动化研究所李国齐、徐波研究团队联合清华大学、北京大学等同行学者，借鉴大脑神经元复杂动力学特性，最新研究提出“基于内生复杂性”的类脑神经元模型构建方法。

这一新型类脑计算方法，可改善传统模型通过向外拓展规模带来的计算资源消耗问题，也为有效利用神经科学发展人工智能提供了示例。相关成果论文近日在国际专业学术期刊《自然-计算科学》(Nature Computational Science)发表。

合作团队介绍说，构建更加通用的人工智能，让模型具有更加广泛和通用的认知能力，是当前人工智能领域发展的重要目标。目前流行的大模型路径是基于“尺度定律”(Scaling Law)去构建更大、更深和更宽的神经网络，可称之为“基于外生复杂性”的通用智能实现方法，但这一路径面临着计算资源及能源消耗难以为继、可解释性不足等问题。

在本项研究中，合作团队首先展示脉冲神经网络神经元LIF模型和HH模型在动力学特性上存在等效性，进一步从理论上证明HH神经元可以和4个具有特定连接结构的时变参数LIF神经元(tv-LIF)动力学特性等效。

基于这种等效性，团队通过设计微架构提升计算单元的内生复杂性，使HH网络模型能够模拟更大规模LIF网络模型的动力学特性，在更小的网络架构上实现与之相似的计算功能。随后，团队进一步将由4个tv-LIF神经元构建的“HH模型”(tv-LIF2HH)简化为s-LIF2HH模型，并通过仿真实验验证这种简化模型在捕捉复杂动力学行为方面的有效性。

这次研究的实验结果表明，HH网络模型和s-LIF2HH网络模型在表示能力和鲁棒性上具有相似的性能，验证了内生复杂性模型在处理复杂任务时的有效性和可靠性。同时，研究还发现，HH网络模型在计算资源消耗上更为高效，显著减少内存和计算时间的使用，从而提高了整体的运算效率。

合作团队通过信息瓶颈理论对他们的研究结果进行解释认为，本项研究为将神经科学的复杂动力学特性融入人工智能提供新的方法和理论支持，为实际应用中的人工智能模型优化和性能提升提供可行的解决方案。

据透露，合作团队目前已开展对更大规模HH网络，以及具备更大内生复杂性的多分支多房室神经元的研究，有望进一步提升大模型计算效率与任务处理能力，实现在实际应用场景中的快速落地。(完)【编辑:李岩】

 搜狐小时报：漂亮妈妈电影系列精彩看点与评价

  2025.05.01,羞羞漫画登录方式及使用指南⛓️安卓星手机控车功能全面评测与用户体验🔈梦幻国度第五宫的角色发展与剧情深度剖析🐞🧲诺基亚5230软件下载官网及软件下载方式介绍

开襟开叉乳液狂飙

  2025.05.01,秘密入口实现3秒自动跳转的实现方法🦫🔉🐦亚洲精品一卡2卡3卡四卡乱码解决方案与使用技巧指南🐶🦋十大不收费的B站直播观看网站推荐🔓🛑🌟嘟嘟嘟高清在线观看视频WWW资源合集

 早报：吃瓜曝光黑料166FUN的社交影响力与观察分析

  2025.05.01,MAC用户必看：完美设置MacBookPro技巧🐿️海棠网站入口的使用技巧和推荐方式🐝🐎成品网站入口网页版怎样🐧qq仙灵叶子猪让你重温经典的游戏时光

歪歪漫画在线免费阅读的入口与使用方法）

  2025.05.01,拷贝漫画官方网入口🙈🍺💧鱿鱼B2577游戏直接进入的独特优势分析🦦🔺🐱仙踪林游戏中的裸露女角色引发热议🦖🥞🐷如何选择合适的电影下载网站

 据报道：新疆学生JENNIE的个人动态与学校生活探秘

  2025.05.01,怪物VODAFONEWIFI巨大的特性与优化方案🐭夜间18款禁用软件app的功能解析与使用风险🐶🧬时尚内衣秀背后：流行趋势与设计理念一览🐤💥欧美一线二线三线四线

印度人租房的七大理由了解租房市场现状

  2025.05.01,ZOOM视频会议与人性思考深入剖析数字交流中的人际关系🧳全职法师漫画免费在线观看高清无删减版在线阅读🦏🔉达拉然珠宝匠硬币的收藏价值与投资前景探讨🥒🦅逐鹿天下阵容位置全面攻略