Τα στοιχεία επικοινωνίας μου
Ταχυδρομείο[email protected]
2024-08-17
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Κινέζοι επιστήμονες κατασκευάζουν ένα νέο δίκτυο που μοιάζει με εγκέφαλο για να γεφυρώσει την τεχνητή νοημοσύνη και τη νευροεπιστήμη
Ο δημοσιογράφος έμαθε από το Ινστιτούτο Αυτοματισμού της Κινεζικής Ακαδημίας Επιστημών στις 16 ότι η ομάδα των ερευνητών Li Guoqi και Xu Bo από το ινστιτούτο, μαζί με το Πανεπιστήμιο Tsinghua, το Πανεπιστήμιο του Πεκίνου κ.λπ., πρότειναν μια κατασκευή μοντέλου νευρώνων που μοιάζει με εγκέφαλο. μέθοδος "βασισμένη στην ενδογενή πολυπλοκότητα" για τη βελτίωση των υπολογιστικών πόρων των παραδοσιακών μοντέλων Το πρόβλημα κατανάλωσης παρέχει ένα παράδειγμα αποτελεσματικής χρήσης της νευροεπιστήμης για την ανάπτυξη της τεχνητής νοημοσύνης.
Η οικοδόμηση μιας γενικότερης τεχνητής νοημοσύνης και η παροχή μοντέλων πιο εκτεταμένων και γενικών γνωστικών ικανοτήτων είναι σημαντικοί στόχοι για την τρέχουσα ανάπτυξη του τομέα της τεχνητής νοημοσύνης.
"Η επί του παρόντος δημοφιλής διαδρομή μεγάλου μοντέλου είναι η κατασκευή μεγαλύτερων, βαθύτερων και ευρύτερων νευρωνικών δικτύων με βάση τον νόμο κλιμάκωσης, η οποία μπορεί να ονομαστεί "εξωγενής πολυπλοκότητα" γενική μέθοδος υλοποίησης νοημοσύνης, ο Li Guoqi είπε ότι αυτή η διαδρομή αντιμετωπίζει υπολογιστικές προκλήσεις όπως η μη βιώσιμη κατανάλωση πόρων και ενέργειας και η ανεπαρκής επεξήγηση.
Από την άλλη πλευρά, ο ανθρώπινος εγκέφαλος έχει 100 δισεκατομμύρια νευρώνες και περίπου 1.000 τρισεκατομμύρια συναπτικές συνδέσεις Κάθε νευρώνας έχει μια πλούσια και ποικιλόμορφη εσωτερική δομή, αλλά η κατανάλωση ενέργειας είναι μόνο περίπου 20 Watt. Επομένως, η αξιοποίηση των δυναμικών χαρακτηριστικών των νευρώνων του εγκεφάλου και ο εμπλουτισμός της δομής των νευρώνων προς τα μέσα για την εξερεύνηση της γενικής νοημοσύνης έχει μεγάλες δυνατότητες.
Ο Li Guoqi είπε ότι τα πειραματικά αποτελέσματα επαλήθευσαν την αποτελεσματικότητα και την αξιοπιστία του μοντέλου ενδογενούς πολυπλοκότητας στον χειρισμό πολύπλοκων εργασιών, παρέχοντας νέες μεθόδους και θεωρητική υποστήριξη για την ενσωμάτωση των πολύπλοκων δυναμικών χαρακτηριστικών της νευροεπιστήμης στην τεχνητή νοημοσύνη και επίσης παρέχοντας τεχνητή νοημοσύνη σε πρακτικές εφαρμογές Η βελτιστοποίηση μοντέλων και η βελτίωση της απόδοσης παρέχουν εφικτές λύσεις.
Επί του παρόντος, η ερευνητική ομάδα έχει πραγματοποιήσει περαιτέρω έρευνα, η οποία αναμένεται να βελτιώσει την υπολογιστική απόδοση και τις δυνατότητες επεξεργασίας εργασιών μεγάλων μοντέλων και να επιτύχει ταχεία εφαρμογή σε σενάρια πρακτικών εφαρμογών.
Αναδημοσίευση από: Πρακτορείο Ειδήσεων Xinhua
Πηγή: Workers Daily