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：ANDROID平台上推荐的热门エロ游戏游戏网站

  2025.05.01,张津瑜高清1080P视频链接分享，尽享视觉盛宴🐢看B站二十四小时直播间🐫🌳果冻传媒最新高清视频在线观看分享🚔🐱🐤国精产品一区一区三区有限

羞羞的漫画在线阅读页面入口及其更新动态

  2025.05.01,当代年轻人对影视内容的接受与评价🐷🐰🌵深度解析天赋模拟器的功能猎天使魔女H攻略🐴🌼能使用快播观看的热门网站推荐🫒🥤军情观察室百度影音版精彩节目回顾

 早报：九阴真经全面解析与历史背景探讨

  2025.05.01,2023年最佳国产拍视频手机推荐与评测🐝🌺疼小东西只是一根而已的真实故事🌷春暖花开老版入口怀旧经典在线畅享的最佳网站🐞🛩️🍭亚码和欧码的尺寸区别详解与选择建议

郭玲玲勇夺女子举重41公斤级冠军的赛事回顾）

  2025.05.01,敬意美国禁忌7中的社会底蕴与艺术表现🦎御龙在天100级挂机攻略推荐🐣⚡揭秘九一制片厂果冻传媒APP的功能与特色🌿后宫甄嬛传网页游戏玩法解析及玩家心得

 据报道：外国男体艺术欣赏与图片展示

  2025.05.01,エロワンピースエロい免费内容分享与获取渠道🌺龙女强攻打野天赋加点推荐与实战分析🙉🦇☣️张一山与关晓彤官宣结婚粉丝们的祝福与期待📛🧋叶子媚：探索自然之美与生活的和谐共生

在线观看免费电视剧的软件推荐与排行

  2025.05.01,樱花动漫官网官方入口详细指南与访问步骤🐜🐃💸天津酷文字聊天工具推荐无障碍沟通与互动的最佳选择🐢🐆☕2020年中国大学排名的全面分析与推荐院校🦆🧁小爸爸片头曲动人旋律回顾唤起童年的美好记忆