虽然人工智能在一些方面的表现已超越了人类，但这不代表它真的很聪明。相反，很多时候它还“很傻很天真”，仍然需要向人脑“取经”。8月16日，《自然·计算科学》在线发表了一项类脑计算领域的重要进展。借鉴大脑神经元复杂动力学特性，中国科学院自动化研究所李国齐研究员、徐波研究员团队联合清华大学、北京大学的科研人员，提出了新型类脑神经元模型构建方法。

    “这项研究成果改善了传统模型向外拓展规模带来计算资源消耗增大的问题，为有效利用神经科学发展人工智能提供了新案例。”论文共同通讯作者李国齐说。

    “目前流行的大模型路径是基于尺度定律构建更大、更深和更宽的神经网络，可称之为‘基于外生复杂性’的通用智能实现方法。”李国齐说，这一路径面临着计算资源及能源消耗难以为继、可解释性不足等问题。

    另外一方面，人类大脑有1000亿神经元，1000万亿左右的突触连接，每个神经元具有丰富且形态各异的内部结构，但功耗仅20瓦左右。因此借鉴大脑神经元动力学特性，向内丰富神经元结构探索通用智能潜力巨大，这条路径可称之为“基于内生复杂性”的通用智能实现方法。

    李国齐表示，实验结果验证了内生复杂性模型在处理复杂任务时的有效性和可靠性，为将神经科学的复杂动力学特性融入人工智能提供新方法和理论支持，也为实际应用中的人工智能模型优化和性能提升提供可行的解决方案。

    目前，研究团队已开展进一步研究，有望提升大模型计算效率与任务处理能力，实现在实际应用场景中的快速落地。

    据了解，已经正式开展应用的“问天I”类脑计算机具备5亿神经元、2500亿突触智能规模，神经元数、突触规模位居全球第二，较现有计算系统能效提升10倍以上。在成果发布会上，“问天”类脑超算团队表示，将继续研发新一代类脑计算机，进一步革新类脑计算芯片架构与软件系统框架，打造引领未来发展的类脑计算平台。

    据新华社、《科技日报》报道