重磅！中科院自动化所 开发基于内部复杂性的新型类脑网络模型有望实现AGI

AIGC动态欢迎阅读

原标题：重磅！中科院自动化所 开发基于内部复杂性的新型类脑网络模型有望实现AGI
关键字：模型,神经元,复杂度,网络,复杂性
文章来源：人工智能学家
内容字数：0字

内容摘要：

来源：机器人大讲堂
得益于人工智能（AI）领域的革命性变革，特别是随着大型基础模型（Foundation Model）的发展，助推了机器人在通用人工智能领域的技术进步。然而，这些大模型往往依赖于外部复杂度的提升——即通过增加神经元数量和网络深度来增强模型的性能，但也会造成计算成本以及优化难度增加。近日中国科学院自动化研究所脑认知与类脑智能技术重点实验室何林轩提出了一种不同的设计思路，即建立了一种基于内部复杂性的新型类脑网络模型，以解决传统模型面临的计算资源消耗高等问题，目前该研究已发表在《Nature Computational Science》期刊上。
▍通过内部复杂度设计突破AI大模型局限性AI大模型通过不断扩展神经网络的规模，包括增加神经元数量、加深网络层次以及扩展网络宽度，成功地在计算机视觉、自然语言处理、代码生成等多个领域取得了突破性进展。然而，AI大模型也存在较为明显的技术短板，目前不少研究人员都在试图让AI大模型减负，以减少其计算的复杂程度。
中科院自动化所研究人员表示，AI大模型对计算资源的需求极高。训练这些模型需要动用大规模的GPU集群，甚至需要借助云计算的力量。这种

原文链接：重磅！中科院自动化所 开发基于内部复杂性的新型类脑网络模型有望实现AGI

联系作者

文章来源：人工智能学家
作者微信：
作者简介：