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：王俊凯飞机被粉丝包机事件背后的明星粉丝文化

  2025.05.01,果冻传媒一二三区2002视频资源推荐🐽🦨🦇深入解读1984美国忌讳第三集的深层意义🐨🍍🍺-最刺激的交换夫妇小说🦎📎臭小子快拔出来我是你嫲的有趣故事情节

绿火任务全面攻略快速完成任务获取丰厚奖励的秘密

  2025.05.01,御强电动四轮车的市场价格及性能特点介绍🧄璃月港所处的游戏一级区域详细介绍与探险攻略🦅做过和没做过的人的区别分析与影响探讨🐆🌟人民日报对《封神第一部》的强烈批评与反思

 早报：无翼乌全彩无漫画大全资源整合

  2025.05.01,哔哩哔哩的床戏cut精彩时刻分析❕💰男生主动吃我的小兔兔正常吗📵🦇1和0的坐姿的图片🐌🐎🦝18school首次中文学习资源分享助力语言提升

上司的老婆）

  2025.05.01,早晨插母亲的情感表达与生活启示🍓🥝王心凌粉丝对其热爱的表现与支持🗜️做过和没做过的人的区别分析与比较🚳🧊🌼不知火舞主题公园狂欢活动详细介绍

 据报道：YY漫画登录页面首页登录

  2025.05.01,中通快递单号实时查询与快递追踪指南🐤🐧穿越到随处做X的游戏世界的乐趣与体验说明🚱🍺探索瓦多尼亚世界的冒险故事古古电影聚合平台：在线观看最新电影和经典影片的绝佳选择🐊🧰💣X9X9X9任意槽

横扫八荒的最佳战术与装备分享

  2025.05.01,HJC1A8海角社区的入口详细指南🥒海外短视频应用的流量增长与用户数量分析🛫🍪🦉畅玩轩辕传奇的秘籍与活动大全🧋火秀刷枪精灵最新版本功能全面升级快速提升游戏体验