虽然人工智能于一些方面的体现已经逾越了人类，但这不代表它真的很智慧。相反，许多时辰它还“很傻很无邪”，仍旧需要向人脑“取经”。8月16日，《天然 计较科学》于线揭晓了一项类脑计较范畴的主要进展。自创年夜脑神经元繁杂动力学特征，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、北京年夜学的科研职员，提出了新型类脑神经元模子构建要领。

“这项研究结果改良了传统模子向外拓展范围带来计较资源耗损增年夜的问题，为有用哄骗神经科学成长人工智能提供了新案例。”论文配合通信作者李国齐说。

构建越发通用的人工智能，让模子具备越发广泛以及通用的认知威力，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、更深以及更宽的神经收集。这可称为“基在外生繁杂性”的通用智能实现要领。然而，这一起径如今却面对着计较资源及能源耗损难认为继、可注释性有余等问题。

为此，研究团队经由过程设计微架构晋升计较单位的内生繁杂性，从而设计出“基在内生繁杂性”的类脑神经元模子。试验成果验证了内生繁杂性模子于处置惩罚繁杂使命时的有用性以及靠得住性。

更主要的是，该模子对于计较资源的哄骗效率更高，同时还显著削减了内存以及计较时间的使用，从而提高了总体的运算效率。

李国齐暗示，这项研究为将神经科学的繁杂动力学特征融入人工智能，为于人工智能与神经科学之间架起桥梁提供了新的要领以及理论撑持，还为现实运用中的人工智能模子优化以及机能晋升提供了可行的解决方案。