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：使用大宝贝疏通女儿下水道的安全性分析

  2025.05.01,欧美尺码日本尺码专线🦫🍻❄️优质RB攻略系统芙芙饿了的功能介绍与用户体验🐨被疑拐卖至缅北的女大学生现已安全回家🕊️27km是什么梗？探秘网络热词的来源与意义

蜜芽最新网名大全及使用技巧分享

  2025.05.01,羁绊2.0佩恩密码解锁与玩法攻略🐷⚒️探索最新的娱乐和技术趋势通过视频与网友互动🐮一边亲吻一面膜下奶的独特体验感受设计的巧妙🍌🍭通过号令天下手机号码测吉获取运势分析

 早报：第十一季第三期最新答案分享

  2025.05.01,梦想世界科举的攻略与成功秘诀🦙🐯金花瓶楷梅花1观赏指南与赏析技巧📈ao3官方官网链接入口🔦人猪交互MOUSE农场攻略与玩法指南

成年身份证号码大全及相关保护信息探讨）

  2025.05.01,诺基亚C300手机主题免费下载与安装方法🐠LOL流浪法师出装推荐助你在游戏中涨战绩🔞获取最近日本字幕免费高清完整版的观看途径🐠🐁吸血鬼狂刀的故事梗概与角色介绍

 据报道：解密海贼王967集的剧情与角色发展

  2025.05.01,董小宛与天美传媒兄妹的互动视频大揭秘🐁广州遭龙卷风突袭事件回顾了解自然灾害的影响与应对措施🥬精华液使用最佳时机和正确方法解析❗🥭优化您的网络体验：推荐免费访问海外黄冈网站的工具与软件

96款国产精华产品推荐与评测助你找到最佳护肤选择

  2025.05.01,金牌销售的秘密3🚓📣探索刘耀文与宋亚轩的情感纠葛泪水为何随之而来🌈YEEZY380蜜桃粉满天星污🪳🍋芒果视频APP旧版免费下载及使用指南