новости

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Китайские ученые создают новую сеть, подобную мозгу, чтобы соединить искусственный интеллект и нейробиологию

16 числа репортер узнал из Института автоматизации Китайской академии наук, что группа исследователей Ли Гоци и Сюй Бо из института совместно с Университетом Цинхуа, Пекинским университетом и т. д. предложили построение модели нейрона, похожей на мозг. Метод «основанный на эндогенной сложности» для улучшения вычислительных ресурсов традиционных моделей. Проблема потребления представляет собой пример эффективного использования нейробиологии для разработки искусственного интеллекта. Соответствующее исследование было опубликовано в журнале «Nature·Computational Science».

Создание более общего искусственного интеллекта и придание моделям более обширных и общих когнитивных способностей являются важными целями текущего развития области искусственного интеллекта.

«В настоящее время популярный путь создания больших моделей заключается в построении более крупных, глубоких и широких нейронных сетей на основе закона масштабирования, который можно назвать методом реализации общего интеллекта, основанным на экзогенной сложности», сказал Ли Гоци, что этот путь сталкивается с вычислительными проблемами. такие как неустойчивое потребление ресурсов и энергии и недостаточная объяснимость.

С другой стороны, в человеческом мозге 100 миллиардов нейронов и около 1000 триллионов синаптических связей. Каждый нейрон имеет богатую и разнообразную внутреннюю структуру, но потребляемая мощность составляет всего около 20 Вт. Таким образом, использование динамических характеристик нейронов мозга и внутреннее обогащение нейронной структуры для исследования общего интеллекта имеет большой потенциал. Этот путь можно назвать методом реализации общего интеллекта, основанным на «эндогенной сложности».

Ли Гоци сказал, что результаты экспериментов подтвердили эффективность и надежность модели эндогенной сложности при решении сложных задач, предоставляя новые методы и теоретическую поддержку для интеграции сложных динамических характеристик нейронауки в искусственный интеллект, а также обеспечивая искусственный интеллект в практических приложениях. оптимизация модели и улучшение производительности обеспечивают возможные решения.

В настоящее время исследовательская группа проводит дальнейшие исследования, которые, как ожидается, повысят эффективность вычислений и возможности обработки задач больших моделей, а также обеспечат быструю реализацию в сценариях практического применения.

Перепечатано из: Агентство новостей Синьхуа.

Источник: Workers Daily.