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：陈小艺的详细个人资料及职业发展历程

  2025.05.01,歪歪漫画登录页面入口的详细介绍与使用指南🌟火炬之光2MOD无法使用解决方案🦄🐛🥃1688平台如何实现自动转向🔺🔓🥝幸福宝XFB6解锁各种优质视频分享与观看选择

贝奥武夫百度影音资源获取方法详解

  2025.05.01,原神申鹤乳液狂飙翻白眼流口水🍼魅力研习社胸部揉捏技巧与经验分享🐢🚦小鸡庄园今日最新活动答案汇总🐷小丸子新发型推荐与图片分享

 早报：二次元坤巴塞小洞游戏玩法解析

  2025.05.01,当今韩三千苏迎夏剧情发展新动态🍺🐵亚瑟中文字幕在线观看及下载指南【高清影视】🐨🍩🥂WRITEAS尿口功能介绍及使用技巧🛰️📎九幺高危风险9.1动漫版的特色与获取方式韩剧国语配音资源介绍

如何通过迅雷7下载穿越火线最新版本）

  2025.05.01,布谷电视直播平台让你畅享精彩赛事🦆🐮青鸟影视平台优势对比：为何用户选择它作为观看首选❄️japonensis20到25的详细介绍与分析🐬🦏🐞LOLAP游戏通用天赋推荐助你畅玩英雄联盟

 据报道：人狗大战2中文版在哪里看

  2025.05.01,Xman46期最新内容大盘点分析热门话题与精彩时刻🪳🔻🗜️如何找到差差漫画页面的在线阅读入口🚔🔩🍿探索高清录播系统在视频分享中的应用给你前所未有的体验🐸查询ca4305航班最新动态及航班安排一览nba2k13键盘操作技巧

繁花电视剧各集精彩剧情回顾与分析

  2025.05.01,2014年元宵节活动及各地庆祝方式介绍🐢🐡⛏️谜漫画最新版下载地址及使用指南🦺🍒🌿东北老女人的生活趣事与幽默故事🦌🍷绿色QVOD：在线视频资源共享与播放服务