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：淘宝每日一猜最新更新及答案分析

  2025.05.01,探索亚马逊AWS平台的无限可能免费观看服务🛢️🔨55款侵犯隐私的APP是否已被下架最新消息🧾非主流空间克隆方法分享打造独特个性空间🥥一码二码三码在日本的区别解析与应用指南

关于八人轮换与九人轮换的舒适度比较与评析

  2025.05.01,解锁铁拳3中的所有秘籍与技巧西西游戏网穿越火线攻略📍MYHTLMEBOOK海棠网站入口展示及使用说明🦘杨幂不雅视频资源下载需要注意的事项🚱🛰️歪歪漫画免费阅读入口畅享无广告漫画体验

 早报：成人网站客户关系管理系统优化指南

  2025.05.01,成品人与精品人的区别解析及特点对比🦔🎯久产久人力公司-专业人力资源服务与招聘解决方案🐧🍉🐣国内免费CRM系统推荐|高效管理客户关系的最佳选择🐪⛽一刀插件51cqg的功能与使用体验

石头剪刀布游戏输了的惩罚创意）

  2025.05.01,冬残奥会闭幕式精彩直播回顾🐣考90分可以跟老师弄一整天🐙🐣果冻传媒一二三区2002最新影视资源分享🐬🚧🌻揭秘御龙在天冲级玩法快速升级不再是难题

 据报道：免在线观看视频资源的推荐与使用方法

  2025.05.01,王浩李洁赘婿免费小说在线阅读尽情享受跌宕起伏的情节与感人故事🚷🌾国色天香视频在线社区在线分享与交流🪴严选漫画广告入口🪱2分30秒不间断踹息声音频MP3下载

味觉盛宴的做法与美食分享尽享舌尖上的乐趣

  2025.05.01,日产无人区一线到三线车型详解🦕🌴雨后小故事精彩图集感受诗意之间的小故事带来的感动与启发🙊🔩🍸palipali轻量版永久网页入口使用指南与技巧🐤🪖医生11h必看推荐及剧情简介