重磅！中科院自動化所 開發基于內部復雜性的新型類腦網絡模型有望實現AGI

AIGC動態歡迎閱讀

原標題：重磅！中科院自動化所 開發基于內部復雜性的新型類腦網絡模型有望實現AGI
關鍵字：模型,神經元,復雜度,網絡,復雜性
文章來源：人工智能學家
內容字數：0字

內容摘要：

來源：機器人大講堂
得益于人工智能（AI）領域的性變革，特別是隨著大型基礎模型（Foundation Model）的發展，助推了機器人在通用人工智能領域的技術進步。然而，這些大模型往往依賴于外部復雜度的提升——即通過增加神經元數量和網絡深度來增強模型的性能，但也會造成計算成本以及優化難度增加。近日中國科學院自動化研究所腦認知與類腦智能技術重點實驗室何林軒提出了一種不同的設計思路，即建立了一種基于內部復雜性的新型類腦網絡模型，以解決傳統模型面臨的計算資源消耗高等問題，目前該研究已發表在《Nature Computational Science》期刊上。
▍通過內部復雜度設計突破AI大模型局限性AI大模型通過不斷擴展神經網絡的規模，包括增加神經元數量、加深網絡層次以及擴展網絡寬度，成功地在計算機視覺、自然語言處理、代碼生成等多個領域取得了突破性進展。然而，AI大模型也存在較為明顯的技術短板，目前不少研究人員都在試圖讓AI大模型減負，以減少其計算的復雜程度。
中科院自動化所研究人員表示，AI大模型對計算資源的需求極高。訓練這些模型需要動用大規模的GPU集群，甚至需要借助云計算的力量。這種

原文鏈接：重磅！中科院自動化所 開發基于內部復雜性的新型類腦網絡模型有望實現AGI

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：