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：不知火舞3漫画全集在线阅读尽享精彩剧情与画面

  2025.05.01,解决歪歪漫画免费漫画页面弹窗无法观看的问题🐭美国14岁女rapper的成长故事与音乐分享🐂🧉人马畜禽CROPROATION的概念及其应用🍪国产乱码一卡2卡三卡四卡

如何让这五位明星快速走向fame与公众视野

  2025.05.01,引导宝宝吃扇贝的小妙招🦄☣️樱花动漫app官网版iOS下载畅享海量动漫资源🚦王者荣耀扭蛋活动揭秘：获取稀有皮肤的最佳策略与技巧🦇❗😍黑人双人RAPPER是纯还是仿

 早报：台湾四级露性器视频在线观赏与资源下载

  2025.05.01,日本口工大全无彩翼漫画探索丰富多样的内容🍓🍫🍭发现最新街头时尚和潮流搭配mimi论坛🦫🔊🧃精产国品一二三产区🐛📢🐦两根一起进入后疼痛消失的原因与解决方法

啦啦啦在线视频直播免费版畅享娱乐节目不停歇）

  2025.05.01,汤姆叔叔官方端口与相关信息获取🍪🧃🐞仙踪林在线入口提供的丰富多样的娱乐内容🛩️🪲免费观看DVD叔叔别撩我的电视剧🪳🌽🥂全球动漫与影视资源网站推荐

 据报道：B站24小时直播间前十大软件轻松找到最受欢迎的直播观看平台

  2025.05.01,幸福宝8008隐藏入口2023🐏艾克出装最佳攻略与实战技巧分享🚯💰最新电影、电视剧下载资源分享与网站推荐🦌🍭🧊破解qq盗号软件2013的方法及防范措施

长途汽车上最后一排的秘密解读他为何选择此座位

  2025.05.01,白牛职业装备选择及属性分析全攻略❗🌵以火攻火的经典影片在线视频感受非凡魅力🦄📡🍎女性对于男性身材的偏好分析解读对粗短与蘑菇头的看法🐲看到女婿的物品引发的搞笑故事