νέα

China News Service, Πεκίνο, 17 Αυγούστου (Reporter Sun Zifa) Εν όψει των προβλημάτων που αντιμετωπίζει η πορεία της γενικής τεχνητής νοημοσύνης (AI) που βασίζεται στην «εξωγενή πολυπλοκότητα» προβλήματα όπως μη βιώσιμους υπολογιστικούς πόρους και κατανάλωση ενέργειας και ανεπαρκή επεξήγηση, το Ινστιτούτο Αυτοματοποίηση της Κινεζικής Ακαδημίας Επιστημών Η ερευνητική ομάδα των Li Guoqi και Xu Bo, μαζί με άλλους μελετητές από το Πανεπιστήμιο Tsinghua και το Πανεπιστήμιο του Πεκίνου, βασίστηκαν στα πολύπλοκα δυναμικά χαρακτηριστικά των νευρώνων του εγκεφάλου και πρότειναν μια μέθοδο κατασκευής μοντέλου νευρώνων που μοιάζει με εγκέφαλο «με βάση ενδογενής πολυπλοκότητα» στην τελευταία τους έρευνα.

Αυτή η νέα υπολογιστική μέθοδος εμπνευσμένη από τον εγκέφαλο μπορεί να βελτιώσει το πρόβλημα κατανάλωσης υπολογιστικών πόρων που προκαλείται από την εξωτερική επέκταση των παραδοσιακών μοντέλων και παρέχει επίσης ένα παράδειγμα αποτελεσματικής χρήσης της νευροεπιστήμης για την ανάπτυξη τεχνητής νοημοσύνης. Σχετικές εργασίες με αποτελέσματα δημοσιεύτηκαν πρόσφατα στο διεθνές επαγγελματικό ακαδημαϊκό περιοδικό «Nature Computational Science».

Η ομάδα συνεργασίας είπε ότι η οικοδόμηση μιας γενικότερης τεχνητής νοημοσύνης και η δυνατότητα στο μοντέλο να έχει ευρύτερες και γενικότερες γνωστικές ικανότητες είναι σημαντικοί στόχοι για την τρέχουσα ανάπτυξη του τομέα της τεχνητής νοημοσύνης. Η επί του παρόντος δημοφιλής διαδρομή για μεγάλα μοντέλα είναι η κατασκευή μεγαλύτερων, βαθύτερων και ευρύτερων νευρωνικών δικτύων με βάση τον «νόμο κλιμάκωσης», ο οποίος μπορεί να ονομαστεί μέθοδος υλοποίησης γενικής νοημοσύνης «βασισμένη στην εξωγενή πολυπλοκότητα», αλλά αυτή η διαδρομή αντιμετωπίζει προβλήματα όπως η μη βιώσιμη υπολογιστικών πόρων και κατανάλωσης ενέργειας και ανεπαρκής ερμηνευτικότητα.

Σε αυτή τη μελέτη, η συνεργατική ομάδα κατέδειξε αρχικά την ισοδυναμία στα δυναμικά χαρακτηριστικά μεταξύ του μοντέλου LIF νευρωνικού δικτύου και του μοντέλου HH και απέδειξε περαιτέρω θεωρητικά ότι οι νευρώνες HH μπορούν να αλληλεπιδράσουν με τέσσερις χρονικά μεταβαλλόμενες παραμέτρους με συγκεκριμένες δομές σύνδεσης των νευρώνων LIF (tv-LIF) είναι ισοδύναμοι.

Με βάση αυτή την ισοδυναμία, η ομάδα βελτίωσε την ενδογενή πολυπλοκότητα της υπολογιστικής μονάδας σχεδιάζοντας μικροαρχιτεκτονική, έτσι ώστε το μοντέλο δικτύου HH να μπορεί να προσομοιώσει τα δυναμικά χαρακτηριστικά του μοντέλου δικτύου LIF μεγαλύτερης κλίμακας και να επιτύχει παρόμοια αποτελέσματα σε μια μικρότερη αρχιτεκτονική δικτύου. Συνάρτηση υπολογισμού. Στη συνέχεια, η ομάδα απλοποίησε περαιτέρω το «μοντέλο HH» (tv-LIF2HH) που κατασκευάστηκε από τέσσερις νευρώνες tv-LIF στο μοντέλο s-LIF2HH και επαλήθευσε την αποτελεσματικότητα αυτού του απλοποιημένου μοντέλου στην καταγραφή σύνθετων δυναμικών συμπεριφορών μέσω πειραμάτων προσομοίωσης.

Τα πειραματικά αποτελέσματα αυτής της μελέτης δείχνουν ότι το μοντέλο δικτύου HH και το μοντέλο δικτύου s-LIF2HH έχουν παρόμοια απόδοση σε ικανότητα αναπαράστασης και ευρωστία, επαληθεύοντας την αποτελεσματικότητα και την αξιοπιστία του μοντέλου ενδογενούς πολυπλοκότητας στο χειρισμό πολύπλοκων εργασιών. Ταυτόχρονα, η μελέτη διαπίστωσε επίσης ότι το μοντέλο δικτύου HH είναι πιο αποτελεσματικό στον υπολογισμό της κατανάλωσης πόρων, μειώνοντας σημαντικά τη χρήση μνήμης και υπολογιστικού χρόνου, βελτιώνοντας έτσι τη συνολική υπολογιστική απόδοση.

Η συνεργατική ομάδα εξήγησε τα ερευνητικά της αποτελέσματα μέσω της θεωρίας συμφόρησης πληροφοριών και πίστευε ότι αυτή η έρευνα παρέχει νέες μεθόδους και θεωρητική υποστήριξη για την ενσωμάτωση των πολύπλοκων δυναμικών χαρακτηριστικών της νευροεπιστήμης στην τεχνητή νοημοσύνη και παρέχει βελτιστοποίηση και βελτίωση της απόδοσης για μοντέλα τεχνητής νοημοσύνης σε πρακτικές εφαρμογές εφικτές λύσεις.

Σύμφωνα με αναφορές, η συνεργατική ομάδα έχει πραγματοποιήσει επί του παρόντος έρευνα σε δίκτυα HH μεγαλύτερης κλίμακας και πολυδιακλαδικούς νευρώνες πολλαπλών διαμερισμάτων με μεγαλύτερη ενδογενή πολυπλοκότητα, η οποία αναμένεται να βελτιώσει περαιτέρω την υπολογιστική απόδοση και τις δυνατότητες επεξεργασίας εργασιών μεγάλων μοντέλων και να πραγματοποιήσει πρακτικές Γρήγορη προσγείωση στη σκηνή. (υπερ)

(Κινεζικό Δίκτυο Ειδήσεων)