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：坏老人春天章节敏静的故事情节解析

  2025.05.01,深入解读karma与英雄联盟中的策略运用🔦🍇🌲肚兜情趣玩法解析与推荐🐬🪿广东之窗歪歪漫画登录页面教程轻松找到无限乐趣⚠️2023年MV排行榜推荐及观看链接

台湾投票结果最新消息及时更新

  2025.05.01,永劫无间游戏中宁红夜果体BUG的解决方案🦛🍫水边之夜漫画免费在线阅读尽享精彩剧情与画风🙉🐓❗爸爸今天不回家妈妈告诉我的事情和感受🔊🍎🍍国产又粗又猛又大爽老大爷

 早报：金庸群侠传连连看游戏攻略与技巧分享

  2025.05.01,公交车费用纠纷的分析与解决方案探讨社会公共服务🌽🐰斗战神最新游戏攻略教你高效获取修炼点与技能🍻羞羞漫画在线阅读登录页面指南🐐🥝日本动漫推荐与解析：热门作品、一览经典、行业动态分析

可以随意触摸内部位的模拟体验游戏推荐）

  2025.05.01,教授又来指检:深度解析与研究🐶🧾🌊技巧教你揉小豆豆⛔🚫🧸探讨老板的特殊待遇现象🦕剩女的爱情待解读如何走出单身困境找到真爱之路

 据报道：法国航空2019满天星法版免费活动详解

  2025.05.01,911欧洲码与亚洲三叶草的完美结合解析🥦🍭王者荣耀女角色去掉小内无爱心轮滑网🦇🦌🚯XRK1_3_0ARK污无限看IOS版的使用技巧☣️🐻与妈妈融为一体

用快播看电影的网址推荐千万不要错过

  2025.05.01,野花2019社区的热门话题与精彩互动分享平台🦖获取所需内容的最佳渠道洛克王国外挂使用指南🐳精品VPSWIN主机评测与购买建议🦭🌀🐰花城谢怜车肉干哭引发讨论的热度