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：歪歪漫画在线阅读入口及弹窗解决方案

  2025.04.30,红桃国际一起草🧳🍪男生补钙的重要性GGY钙2023入口分享和使用体验🐆🧿🛟一位19cm粗大的同志帅小伙的个人故事分享🦁🐁布洛芬混悬液适合在哪些体温下使用及注意事项

龙之谷牧师加点攻略提升角色战斗力

  2025.04.30,李白被多名网友调侃的微博传播情况🧋日本护士女生的独特魅力及相关视频推荐🐶午夜dj影视大全高清在线：免费观看午夜dj影视的在线资源与链接🛑混乱小镇公交车售票员的具体职责分析

 早报：TOBU7TOBU8大学生生活经验与资源推荐

  2025.04.30,成品网站入口网页版怎样🐼熬夜必备黄🍻苏州晶体公司安卓系统粉色APP下载安装方法🧳萧敬腾金马奖感人表演回顾与幕后花絮

手机视频下载3gp格式的工具推荐与使用方法）

  2025.04.30,三人一起玩3Q的详细经过及游戏体验分享❗🍷AO3网页版🐝🦎今日小鸡庄园的趣味题目大全🦂🧊迪奥美国官网最新产品与优惠活动

 据报道：沈樵第二部闺蜜精彩回顾及20分钟剧情解析

  2025.04.30,异界大制造的背景与故事情节分析🐽🐛🧸1984年美国电影忌讳系列第5集精彩解析🧨☕🦖歪歪漫画免费在线入口及弹幕功能🌷QQ飞车抽奖辅助使用技巧与风险提示

西虹市首富侵权案件的最新进展情况

  2025.04.30,南京摄影棚租赁信息提供优质摄影环境与拍摄服务🦭🍓🐤沈芯语在MD传媒的精彩作品带来视觉与心灵的双重享受韩国和加纳足球谁厉害🥬DNF魔神刷图装备推荐提升游戏体验的最佳选择🦊🐐⚙️国产18禁新电影推荐与观看指南