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：夜夜噜2017最新作品观后感与评价

  2025.05.01,5G影讯与5G探花多人的互动网站推荐🍷🐔🔥哔咔漫画官网-在线浏览最新漫画和获取精彩内容🦙🛢️🌼父亲的爱：简短话语传达深厚感情🐮优质视频观看新去处漂亮的保姆韩国剧在线观看

揭秘杭州性息信息平台

  2025.05.01,夏洛特同阵营中的角色塑造与发展分析其重要性与建议🧃🍺🌸公交车上扭转命运DAN老师陪你探讨知乎热议🔦明星人气榜投票方式及参与指南🐦🐉tokyohotn0613的精彩影视推荐与用户互动

 早报：正版九幺免费版网站NBA

  2025.05.01,99精产国品一二三产区区别网站🪳🚫🥬如何高效下载书包网小说的完整攻略🚦🥝三个搞定你的需求轻松搞好一切🛢️🍸🍹麻花豆传媒剧中国产MV的特点与观众反馈

造梦西游3好玩的无敌版游戏推荐与体验）

  2025.05.01,9612黄桃网址手机端访问指南与使用技巧🌼😍聊聊B站直播观看习惯对孤独感的影响与个人感受🧰💳🦉2013年3月15日晚会精彩瞬间重温🐶📊🍀LISA舞蹈视频播放量突破9亿背后的故事

 据报道：月售3000多单的网红外卖厨房内幕揭秘

  2025.05.01,庆余年百度网盘资源分享与小说剧情讨论🐨9.1版本短视频无限刷技巧与热门平台推荐🐀🍠🌺松岛风百度影音观看资源畅享高清影视🐋⛄18岁以下中国青少年现状研究报告

如何在歪歪漫画上登录和使用

  2025.05.01,揭示影片中的教育与人生启示董事长的小王爷剧情探讨🍠🐶YW193龙物地址分享体验最新资源与内容📯48届金马奖获奖者与精彩回顾🐑AI换脸技术在线视频播放体验高质量换脸效果