Nachricht

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Chinesische Wissenschaftler bauen ein neues gehirnähnliches Netzwerk auf, um künstliche Intelligenz und Neurowissenschaften zu verbinden

Der Reporter erfuhr am 16. vom Institut für Automatisierung der Chinesischen Akademie der Wissenschaften, dass das Forscherteam Li Guoqi und Xu Bo vom Institut zusammen mit der Tsinghua-Universität, der Peking-Universität usw. eine gehirnähnliche Neuronenmodellkonstruktion vorgeschlagen habe Methode „basierend auf endogener Komplexität“ zur Verbesserung der Rechenressourcen traditioneller Modelle. Das Konsumproblem ist ein Beispiel für den effektiven Einsatz der Neurowissenschaften zur Entwicklung künstlicher Intelligenz. Verwandte Forschungsergebnisse wurden in „Nature·Computational Science“ veröffentlicht.

Der Aufbau einer allgemeineren künstlichen Intelligenz und die Ausstattung von Modellen mit umfassenderen und allgemeineren kognitiven Fähigkeiten sind wichtige Ziele für die aktuelle Entwicklung auf dem Gebiet der künstlichen Intelligenz.

„Der derzeit beliebte große Modellweg besteht darin, größere, tiefere und breitere neuronale Netze auf der Grundlage des Skalierungsgesetzes aufzubauen, was als ‚exogene komplexitätsbasierte‘ allgemeine Intelligenzimplementierungsmethode bezeichnet werden kann, dass dieser Weg mit rechnerischen Herausforderungen konfrontiert ist.“ wie nicht nachhaltiger Ressourcen- und Energieverbrauch und unzureichende Erklärbarkeit.

Andererseits verfügt das menschliche Gehirn über 100 Milliarden Neuronen und etwa 1.000 Billionen synaptische Verbindungen. Jedes Neuron verfügt über eine reichhaltige und vielfältige innere Struktur, der Stromverbrauch beträgt jedoch nur etwa 20 Watt. Daher birgt die Nutzung der dynamischen Eigenschaften von Gehirnneuronen und die Anreicherung der Neuronenstruktur im Inneren zur Erforschung der allgemeinen Intelligenz ein großes Potenzial. Dieser Weg kann als „endogene komplexitätsbasierte“ Implementierungsmethode für allgemeine Intelligenz bezeichnet werden.

Li Guoqi sagte, dass die experimentellen Ergebnisse die Wirksamkeit und Zuverlässigkeit des endogenen Komplexitätsmodells bei der Bewältigung komplexer Aufgaben bestätigten, neue Methoden und theoretische Unterstützung für die Integration der komplexen dynamischen Eigenschaften der Neurowissenschaften in die künstliche Intelligenz lieferten und auch künstliche Intelligenz in praktischen Anwendungen bereitstellten Modelloptimierung und Leistungsverbesserung bieten praktikable Lösungen.

Derzeit hat das Forschungsteam weitere Forschungsarbeiten durchgeführt, von denen erwartet wird, dass sie die Recheneffizienz und Aufgabenverarbeitungsfähigkeiten großer Modelle verbessern und eine schnelle Umsetzung in praktische Anwendungsszenarien erreichen.

Nachdruck von: Nachrichtenagentur Xinhua

Quelle: Workers Daily