記者8月16日從中國(guó)科學(xué)院自動(dòng)化研究所獲悉，該所李國(guó)齊研究員、徐波研究員團(tuán)隊(duì)聯(lián)合清華大學(xué)、北京大學(xué)等，提出“基于內(nèi)生復(fù)雜性”的類腦神經(jīng)元模型構(gòu)建方法，改善傳統(tǒng)模型計(jì)算資源消耗問(wèn)題，為有效利用神經(jīng)科學(xué)發(fā)展人工智能提供了示例，相關(guān)研究發(fā)表于《自然·計(jì)算科學(xué)》。

構(gòu)建更加通用的人工智能，讓模型具有更加廣泛和通用的認(rèn)知能力，是當(dāng)前人工智能領(lǐng)域發(fā)展的重要目標(biāo)。

“目前流行的大模型路徑是基于尺度定律構(gòu)建更大、更深和更寬的神經(jīng)網(wǎng)絡(luò)，可稱之為‘基于外生復(fù)雜性’的通用智能實(shí)現(xiàn)方法?！崩顕?guó)齊說(shuō)，這一路徑面臨著計(jì)算資源及能源消耗難以為繼、可解釋性不足等問(wèn)題。

另外一方面，人類大腦有1000億神經(jīng)元，1000萬(wàn)億左右的突觸連接，每個(gè)神經(jīng)元具有豐富且形態(tài)各異的內(nèi)部結(jié)構(gòu)，但功耗僅20瓦左右。因此借鑒大腦神經(jīng)元?jiǎng)恿W(xué)特性，向內(nèi)豐富神經(jīng)元結(jié)構(gòu)探索通用智能潛力巨大，這條路徑可稱之為“基于內(nèi)生復(fù)雜性”的通用智能實(shí)現(xiàn)方法。

李國(guó)齊表示，實(shí)驗(yàn)結(jié)果驗(yàn)證了內(nèi)生復(fù)雜性模型在處理復(fù)雜任務(wù)時(shí)的有效性和可靠性，為將神經(jīng)科學(xué)的復(fù)雜動(dòng)力學(xué)特性融入人工智能提供新方法和理論支持，也為實(shí)際應(yīng)用中的人工智能模型優(yōu)化和性能提升提供可行的解決方案。

目前，研究團(tuán)隊(duì)已開展進(jìn)一步研究，有望提升大模型計(jì)算效率與任務(wù)處理能力，實(shí)現(xiàn)在實(shí)際應(yīng)用場(chǎng)景中的快速落地。（記者宋晨）