Создание более универсального искусственного интеллекта /ИИ/ с моделями, обладающими более широкими и общими когнитивными возможностями, является важной целью в современном развитии области ИИ.

В настоящее время популярный подход, используемый большими моделями, заключается в создании более крупных, глубинных и более широких нейронных сетей на основе закона масштаба, который можно назвать методом достижения универсального интеллекта на основе «внешней сложности», сказал исследователь из Института автоматизации Ли Гоци.

Однако этот подход, по его словам, сталкивается с такими проблемами, как нерациональное потребление вычислительных ресурсов и энергии, а также недостаточная интерпретируемость.

С другой стороны, человеческий мозг насчитывает 100 млрд нейронов и около 1 000 трлн синаптических связей, каждый нейрон имеет богатую и морфологически разнообразную внутреннюю структуру, но потребляемая мощность составляет всего около 20 ватт.

Вдохновленные динамикой нейронов мозга, ученые из Института автоматизации и других исследовательских институтов, таких как Университет Цинхуа и Пекинский университет, использовали подход «внутренней сложности» для достижения универсального интеллекта.

Их эксперименты подтвердили эффективность и надежность модели внутренней сложности при обработке сложных задач, предоставляя новые методы и теоретическую поддержку для интеграции динамических характеристик нейробиологии в ИИ, а также предлагая выполнимые решения для оптимизации и повышения практической производительности моделей ИИ.

Статья о результатах исследования была недавно опубликована в журнале Nature Computational Science.