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：健康饮食指南保持良好生活习惯

  2025.05.01,草草最新发地布入口导航及内容🐶🐚🔐歪歪漫画如何登录及使用技巧🐚探索383KORKUNUXLUKKINO产品特色满足你的需求🐝🐌📌欧美产品与亚洲化妆品

药田攻略：如何在想不想修真中获得丰收

  2025.05.01,母亲逐渐放弃抵抗的感人故事🐹🐉🌲榴莲视频正品入口分享一手精彩视频资源🐎🔓优质RB攻略系统芙芙饿了的使用心得与技巧🧄🐷😍黑料不打烊最新热门事件汇总与分析

 早报：歪歪漫画免费阅读页面登陆不了

  2025.05.01,最新b站免费视频资源汇总2023🦏SP的32种标准姿势提升你的身体控制与灵活性🐮从厨房到卧室的家居风格转变指南🪛🍍秦钢最新消息今日动态与行业分析

正版九幺免费版网站NBA）

  2025.05.01,慈禧摸奶门事件对历史的反思与启示🐂🧁布谷网络电视直播使用指南，畅享免费观看各种节目🦉诛仙天音加点策略分享打造强力角色攻略🐔牢记蜜芽新入口指南畅享一站式购物体验轻松省钱

 据报道：各大电影深度点评与全面评价

  2025.05.01,男模泳装下凸图的时尚摄影技巧与注意事项🥝🐼猎罪图鉴每集剧情详解与角色分析🐣🛬🥝老师课堂突袭惊喜视频引发的讨论🐮🫖综琼瑶之甜心的悲喜人生观后感解读情感深度

美极客最强领导人A54585最新项目解析

  2025.05.01,14MAY18_XXXXXL56ENDIA资源全面解析带来全新体验🐳🐇🔩羞羞漫画登录页面在线阅读🪲🔊抢先阅读精彩内容🐏🔈🍸欧洲尺码与日本尺码的不同以及美国尺码的专线介绍