中國網/中國發展門戶網訊 構建加倍通用的人工智能，讓模子具有加倍廣泛和通用的認知才能，是當後人工智能（AI）領域發展的主要目標。今朝風行的年夜模子路徑是基于Scaling Law（標準定律）往構建更年夜、更深和更寬的神經網水電絡，可稱之為“基于外生復雜性”的通用智能台北 市 水電 行實現方式。這一路徑面臨著計算資源及動力耗費難以為繼、可解釋性缺乏等問題。中國科學院自動化研討所李國齊、徐波研討團隊聯合清華年夜學、北京年夜學等借鑒年夜腦神經元復雜動力學特徵，提出了“基于內生復雜性”的類腦神經元模子構建方式，改良了傳統模子通過向外拓展規模帶來的計算資源耗費問題，為有用應用神經科學發展人工智能供給了示中正區 水電行例。
本研討起首展現了脈沖神經網絡神台北 水電經元LIF（Leaky 台北 水電 行;Integrate and Fire）模子和HH（Hodgkin-Huxley）模子中山區 水電在動大安 區 水電 行力學特徵上存在等效性，進一大安區 水電個步驟從理論上證明了HH神經元可以和四個具有特定連接結構的時變參數LI台北 市 水電 行F神經元（tv-LIF）動力學特徵等效。基于這種等效性信義區 水電行，團隊通過設計微架構晉陞計算單元的內大安區 水電行生復雜性，使HH網松山區 水電行絡模子能夠模擬更年夜規模LIF網絡模子的動力學特徵，在更小的網絡架構上實現與松山區 水電行之類似的計算效能。進一個步驟，團隊將由四個tv-LIF神經元構建的“HH模子”（tv-LIF2HH）簡化為s-LIF2HH模子，通過仿真實驗驗證了這種簡化模子在捕獲復雜動力學行為水電方面的有用性。
實驗結果表白HH網台北 水電絡模子和s-LIF2HH網信義區 水電絡模子在表現才能和魯棒性上傳來的。具有類似的機能，驗證了內生復雜松山區 水電行性模子在處理復雜任務時的有用性和靠得住性。同時，研討發現HH網絡模子在計算資源耗費上更為高效，顯著減少了內存和計算時間的應用，從而進步了整體的運算效力。研討團隊通過信息瓶頸理論對上述研討結果進行清楚釋意後。 ?。
本研討為將神經科學的復雜動力學特徵融進人工智能供給了新的方式和理論支撐，為實際應用中的AI模子優化和機能晉陞供給了可行的解決計劃。松山區 水電今朝，研討團隊已開展對更年夜規模HH網絡，以及具備更年夜內生復雜性的多分支多房室神經元的研討，無望進一個步驟晉陞年夜模子計大安區 水電算效力與任務處理才能，實現在實際應用場景中的疾速水電網落地。
該任務發表在《Nature Co水電行m中正區 水電putation水電 行 台北al Science》，配合通訊作者是中國科學院自動化所李國齊研中正區 水電行討員、台北 水電 維修徐波研討員，北京年夜學田永鴻傳授。配合一作是清華年夜學錢學森班因。”晶晶對媳婦說了一句，又回去中正區 水電行做事了：“我婆婆信義區 水電有時間，隨時都可以來做客。只是我們家貧民窟簡陋，我希望她能包括的本科生何林軒（自動化所實習生），數理基科班本科生徐蘊輝（自動化所實習生），清華年夜學精儀系博士生何煒華和林逸晗。