固然人工智能在一些方面的表示已超出了人类，但这不代表它真的很伶俐。相反，良多时辰它还“很傻很无邪”，依然需要向人脑“取经”。8月16日，《天然 计较科学》在线颁发了一项类脑计较范畴的主要进展。鉴戒年夜脑神经元复杂动力学特征，中国科学院主动化研究所李国齐研究员、徐波研究员团队结合清华年夜学、北京年夜学的科研人员，提出了新型类脑神经元模子构建方式。

“这项研究功效改良了传统模子向外拓展范围带来计较资本耗损增年夜的问题，为有用操纵神经科学成长人工智能供给了新案例。”论文配合通信作者李国齐说。

构建加倍通用的人工智能，让模子具有加倍普遍和通用的认知能力，是当前人工智能范畴成长的主要方针。

今朝风行的年夜模子路径是基在Scaling Law（标准定律）去构建更年夜、更深和更宽的神经收集。这可称为“基在外生复杂性”的通用智能实现方式。但是，这一路径现在开博体育却面对着计较资本和能源耗损难觉得继、可注释性不足等问题。

为此，研究团队经由过程设计微架构晋升计较单位的内生复杂性，从而设计出“基在内生复杂性”的类脑神经元模子。尝试成果验证了内生复杂性模子在处置复杂使命时的有用性和靠得住性。

更主要的是，该模子对计较资本的操纵效力更高，同时还显著削减了内存和计较时候的利用，从而提高了整体的运算效力。

李国齐暗示，这项研究为将神经科学的复杂动力学特征融入人工智能，为在人工智能与神经科学之间架起桥梁供给了新的方式和理论撑持，还为现实利用中的人工智能模子优化和机能晋升供给了可行的解决方案。

特殊声明：本文转载仅仅是出在传布信息的需要，其实不意味着代表本网站不雅点或证实其内容的真实性；如其他媒体、网站或小我从本网站转载利用，须保存本网站注明的“来历”，并自大版权等法令责任；作者假如不但愿被转载或联系转载稿费等事宜，请与我们联系。

上一篇:开博-中国力学学会启动青年人才托举工程暨青年人才蓄水池项目—新闻—科学网 下一篇:开博-6人履新中科大党委常委，包括1名“80后”学者—新闻—科学网