Nature子刊 | 基于內(nèi)生復雜性，自動化所新類腦網(wǎng)絡構筑人工智能與神經(jīng)科科學的橋梁

AIGC動態(tài)歡迎閱讀

原標題：Nature子刊 | 基于內(nèi)生復雜性，自動化所新類腦網(wǎng)絡構筑人工智能與神經(jīng)科科學的橋梁
關鍵字：模型,復雜性,神經(jīng)元,網(wǎng)絡,動力學
文章來源：機器之心
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

AIxiv專欄是機器之心發(fā)布學術、技術內(nèi)容的欄目。過去數(shù)年，機器之心AIxiv專欄接收報道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級實驗室，有效促進了學術交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本篇工作發(fā)表在《Nature Computational Science》上，共同通訊作者是中國科學院自動化所李國齊研究員、徐波研究員，北京大學田永鴻教授。共同一作是清華大學錢學森班的本科生何林軒（自動化所實習生）、數(shù)理基科班本科生徐蘊輝（自動化所實習生），清華大學精儀系博士生何煒華和林逸晗。
讓模型具有更加廣泛和通用的認知能力，是當前人工智能（AI）領域發(fā)展的重要目標。目前流行的大模型路徑是基于 Scaling Law (尺度定律) 去構建更大、更深和更寬的神經(jīng)網(wǎng)絡提升模型的表現(xiàn)，可稱之為 “基于外生復雜性” 的通用智能實現(xiàn)方法。然而，這一路徑也面臨著一些難以克服的困境，例如高昂的計算資源消耗和能源消耗，并且在可解釋性方面存在不足。
人工智能與神經(jīng)科學長期以

原文鏈接：Nature子刊 | 基于內(nèi)生復雜性，自動化所新類腦網(wǎng)絡構筑人工智能與神經(jīng)科科學的橋梁