notícias

China News Service, Pequim, 17 de agosto (Repórter Sun Zifa) Em vista dos problemas que o caminho da inteligência artificial (IA) geral "baseado em complexidade exógena" enfrenta, como recursos de computação e consumo de energia insustentáveis, e explicabilidade insuficiente, o Instituto de Automação, Academia Chinesa de Ciências A equipe de pesquisa de Li Guoqi e Xu Bo, juntamente com outros estudiosos da Universidade de Tsinghua e da Universidade de Pequim, baseou-se nas características dinâmicas complexas dos neurônios cerebrais e propôs um método de construção de modelo de neurônio semelhante ao cérebro "baseado em complexidade endógena" em suas pesquisas mais recentes.

Este novo método de computação inspirado no cérebro pode melhorar o problema de consumo de recursos de computação causado pela expansão externa dos modelos tradicionais e também fornece um exemplo do uso eficaz da neurociência para desenvolver inteligência artificial. Artigos com resultados relevantes foram publicados recentemente na revista acadêmica profissional internacional "Nature Computational Science".

A equipa de cooperação disse que construir uma inteligência artificial mais geral e dar ao modelo uma capacidade cognitiva mais ampla e geral são objectivos importantes para o desenvolvimento actual do campo da inteligência artificial. O caminho atualmente popular para grandes modelos é construir redes neurais maiores, mais profundas e mais amplas com base na "Lei de Escala", que pode ser chamada de método de implementação de inteligência geral "baseado na complexidade exógena", mas este caminho Enfrenta problemas como insustentável recursos computacionais e consumo de energia e interpretabilidade insuficiente.

Neste estudo, a equipe colaborativa primeiro demonstrou a equivalência em características dinâmicas entre o modelo LIF de neurônios de rede neural de pico e o modelo HH, e ainda provou teoricamente que os neurônios HH podem interagir com quatro parâmetros variáveis ​​​​no tempo com estruturas de conexão específicas. de neurônios LIF (tv-LIF) são equivalentes.

Com base nesta equivalência, a equipe melhorou a complexidade endógena da unidade de computação projetando uma microarquitetura, de modo que o modelo de rede HH possa simular as características dinâmicas do modelo de rede LIF de maior escala e alcançar resultados semelhantes em uma arquitetura de rede menor. Função de cálculo. Posteriormente, a equipe simplificou ainda mais o "modelo HH" (tv-LIF2HH) construído a partir de quatro neurônios tv-LIF no modelo s-LIF2HH e verificou a eficácia deste modelo simplificado na captura de comportamentos dinâmicos complexos por meio de experimentos de simulação.

Os resultados experimentais deste estudo mostram que o modelo de rede HH e o modelo de rede s-LIF2HH apresentam desempenho semelhante em capacidade de representação e robustez, verificando a eficácia e confiabilidade do modelo de complexidade endógena no tratamento de tarefas complexas. Ao mesmo tempo, o estudo também descobriu que o modelo de rede HH é mais eficiente no consumo de recursos computacionais, reduzindo significativamente o uso de memória e tempo de computação, melhorando assim a eficiência geral da computação.

A equipe colaborativa explicou os resultados de sua pesquisa através da teoria do gargalo de informação e acredita que esta pesquisa fornece novos métodos e suporte teórico para integrar as características dinâmicas complexas da neurociência na inteligência artificial e fornece otimização e melhoria de desempenho para modelos de inteligência artificial em aplicações práticas. soluções viáveis.

Segundo relatos, a equipe colaborativa tem atualmente realizado pesquisas em redes HH de maior escala e neurônios multicompartimentais multi-ramais com maior complexidade endógena, o que deverá melhorar ainda mais a eficiência da computação e as capacidades de processamento de tarefas de grandes modelos e realizar práticas aplicações. Aterrissagem rápida na cena. (sobre)

(Rede de Notícias da China)