nouvelles

China News Service, Pékin, 17 août (Reporter Sun Zifa) Compte tenu des problèmes auxquels la voie de l'intelligence artificielle (IA) générale « basée sur la complexité exogène » est confrontée à des problèmes tels que des ressources informatiques et une consommation d'énergie non durables et une explicabilité insuffisante, l'Institut de Automatisation de l'Académie chinoise des sciences L'équipe de recherche de Li Guoqi et Xu Bo, en collaboration avec d'autres chercheurs de l'Université Tsinghua et de l'Université de Pékin, s'est appuyée sur les caractéristiques dynamiques complexes des neurones cérébraux et a proposé une méthode de construction de modèles de neurones de type cérébral « basée sur complexité endogène" dans leurs dernières recherches.

Cette nouvelle méthode informatique inspirée du cerveau peut améliorer le problème de consommation des ressources informatiques causé par l'expansion vers l'extérieur des modèles traditionnels, et fournit également un exemple de l'utilisation efficace des neurosciences pour développer l'intelligence artificielle. Des articles sur les résultats pertinents ont été récemment publiés dans la revue universitaire professionnelle internationale « Nature Computational Science ».

L'équipe de coopération a déclaré que la construction d'une intelligence artificielle plus générale et permettre au modèle d'avoir des capacités cognitives plus larges et plus générales sont des objectifs importants pour le développement actuel du domaine de l'intelligence artificielle. La voie actuellement populaire pour les grands modèles consiste à construire des réseaux de neurones plus grands, plus profonds et plus larges basés sur la « loi de mise à l'échelle », qui peut être qualifiée de méthode générale de mise en œuvre de l'intelligence « basée sur la complexité exogène », mais cette voie elle est confrontée à des problèmes tels que des problèmes non durables. ressources informatiques et consommation d’énergie et interprétabilité insuffisante.

Dans cette étude, l’équipe collaborative a d’abord démontré l’équivalence des caractéristiques dynamiques entre le modèle LIF de neurones du réseau neuronal à pointe et le modèle HH, et a ensuite prouvé théoriquement que les neurones HH peuvent interagir avec quatre paramètres variables dans le temps avec des structures de connexion spécifiques. des neurones LIF (tv-LIF) sont équivalents.

Sur la base de cette équivalence, l'équipe a amélioré la complexité endogène de l'unité informatique en concevant une micro-architecture, de sorte que le modèle de réseau HH puisse simuler les caractéristiques dynamiques du modèle de réseau LIF à plus grande échelle et obtenir des résultats similaires sur une architecture de réseau plus petite. Fonction de calcul. Par la suite, l'équipe a encore simplifié le « modèle HH » (tv-LIF2HH) construit à partir de quatre neurones tv-LIF dans le modèle s-LIF2HH, et a vérifié l'efficacité de ce modèle simplifié pour capturer des comportements dynamiques complexes grâce à des expériences de simulation.

Les résultats expérimentaux de cette étude montrent que le modèle de réseau HH et le modèle de réseau s-LIF2HH ont des performances similaires en termes de capacité de représentation et de robustesse, vérifiant l'efficacité et la fiabilité du modèle de complexité endogène dans la gestion de tâches complexes. Dans le même temps, l'étude a également révélé que le modèle de réseau HH est plus efficace en termes de consommation de ressources informatiques, réduisant considérablement l'utilisation de la mémoire et du temps de calcul, améliorant ainsi l'efficacité informatique globale.

L'équipe collaborative a expliqué ses résultats de recherche à travers la théorie des goulots d'étranglement de l'information et a estimé que cette recherche fournit de nouvelles méthodes et un support théorique pour intégrer les caractéristiques dynamiques complexes des neurosciences dans l'intelligence artificielle, et fournit une optimisation et une amélioration des performances des modèles d'intelligence artificielle dans des applications pratiques. des solutions réalisables.

Selon les rapports, l'équipe collaborative a actuellement mené des recherches sur les réseaux HH à plus grande échelle et les neurones multibranches multi-compartiments avec une plus grande complexité endogène, ce qui devrait améliorer encore l'efficacité informatique et les capacités de traitement des tâches des grands modèles et réaliser des résultats pratiques. applications. Atterrissage rapide dans la scène. (sur)

(Réseau d'information chinois)