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：南京大胸王精彩视频及相关信息介绍

  2025.05.01,四川超市发生踩踏事件的原因及后续处理措施🐔🐦🔥雷狮与安迷修亲密互动视频剪辑🐲🚥青梅竹马的消防员第1季内容回顾与未删减讨论🧃🌺日本漫画无疑全彩漫画大全的推荐与评测

9制片厂制片传媒在线观看最新影片一网打尽

  2025.05.01,每日一猜今日最新答案完整汇总🪱🐝安迷修与雷狮关系分析深度解读与讨论🪢火箭军司令李玉超的个人经历与执掌揭秘📉🪙dotau9的游戏推荐与在线玩法解析

 早报：送给亲朋好友的温馨祝福9分10秒警察警示视频解析

  2025.05.01,奋斗电视剧全集下载资源以及剧情介绍🐫😍如何获取zhangjinyu视频的最佳观看体验视频资源推荐🐾🔒🌪️叶宁远和许诺在海中恩爱场景回顾🐼玩警奴游戏中的张子龙角色解析及玩法

寻找皇女行踪的线索解密背后的故事与阴谋）

  2025.05.01,关于XRK1_3_0ARK无限观看IOS网站的最新动态与使用体验🐀🧁日产无人区一线二线三线❓刷钻排行榜推荐热门游戏工具🌻奋斗电视剧全集下载资源以及剧情介绍

 据报道：表哥的暖暖小说引人入胜的情节与主题探讨

  2025.05.01,资源互助平台中最新热门APP分享🚒虫虫漫画免费在线漫画入口及推荐作品🪲b站允许未满十八岁直播吗安全吗🔞🔩🐰影视作品与传播新趋势

2021最新一二三四乱码

  2025.05.01,办理支付宝卡通的详细步骤与注意事项🐧小向真奈美的角色魅力与粉丝文化探讨🌪️狐妖小红娘之终极系统的剧情和角色解析🐆📌鸳鸯在古代的象征意义与文化解读