berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Ilmuwan Tiongkok membangun jaringan mirip otak baru untuk menjembatani kecerdasan buatan dan ilmu saraf

Reporter tersebut mengetahui dari Institut Otomasi Akademi Ilmu Pengetahuan Tiongkok pada tanggal 16 bahwa tim peneliti Li Guoqi dan Xu Bo dari institut tersebut, bersama dengan Universitas Tsinghua, Universitas Peking, dll., mengusulkan konstruksi model neuron mirip otak metode "berdasarkan kompleksitas endogen" untuk meningkatkan sumber daya komputasi model tradisional Masalah konsumsi memberikan contoh penggunaan ilmu saraf yang efektif untuk mengembangkan kecerdasan buatan. Penelitian terkait dipublikasikan di "Nature·Computational Science".

Membangun kecerdasan buatan yang lebih umum dan memberikan model kemampuan kognitif yang lebih luas dan umum merupakan tujuan penting bagi perkembangan bidang kecerdasan buatan saat ini.

"Jalur model besar yang populer saat ini adalah membangun jaringan saraf yang lebih besar, lebih dalam, dan lebih luas berdasarkan hukum penskalaan, yang dapat disebut sebagai metode penerapan kecerdasan umum 'berbasis kompleksitas eksogen'." Li Guoqi mengatakan bahwa jalur ini menghadapi tantangan komputasi seperti konsumsi sumber daya dan energi yang tidak berkelanjutan dan penjelasan yang tidak memadai.

Di sisi lain, otak manusia memiliki 100 miliar neuron dan sekitar 1.000 triliun koneksi sinaptik. Setiap neuron memiliki struktur internal yang kaya dan beragam, namun konsumsi dayanya hanya sekitar 20 watt. Oleh karena itu, memanfaatkan karakteristik dinamis neuron otak dan memperkaya struktur neuron di dalamnya untuk mengeksplorasi kecerdasan umum memiliki potensi besar. Jalur ini dapat disebut sebagai metode penerapan kecerdasan umum yang “berbasis kompleksitas endogen”.

Li Guoqi mengatakan bahwa hasil eksperimen tersebut memverifikasi keefektifan dan keandalan model kompleksitas endogen dalam menangani tugas-tugas kompleks, memberikan metode baru dan dukungan teoretis untuk mengintegrasikan karakteristik dinamis kompleks ilmu saraf ke dalam kecerdasan buatan, dan juga menyediakan kecerdasan buatan dalam aplikasi praktis optimasi model dan peningkatan kinerja memberikan solusi yang layak.

Saat ini, tim peneliti telah melakukan penelitian lebih lanjut, yang diharapkan dapat meningkatkan efisiensi komputasi dan kemampuan pemrosesan tugas model besar serta mencapai implementasi cepat dalam skenario aplikasi praktis.

Dicetak ulang dari: Kantor Berita Xinhua

Sumber: Pekerja Harian