中国清华大学、北京大学的科学家团队，近日开发出一种新型的计算架构，可以让人工神经元像人脑一样工作，从而让人工智能更聪明的同时，大大地降低消耗能量，或重新定义人工神经元，加快实现通用人工智能（AGI）进程，这项研究已发表在8月16日《自然-计算机科学》杂志上。
通用人工智能：究竟是什么？
你可能对ChatGPT已耳熟能详，它可以回答问题、帮你写文章，甚至写代码，但它只能在特定的领域内工作。比如你让 ChatGPT设计一辆汽车，或帮你做晚饭，它就会毫无头绪，彻底懵逼。为什么呢？因为这些 AI 工具只会处理它们已经被“训练”过的任务，无法像人类那样灵活应对任何问题。
而通用人工智能（AGI）被定义为可以像人类一样思考、推理，甚至学习新技能的智能系统，是科学家们追求的终极目标。AGI不仅仅是“聪明”，而且拥有全面的认知能力，可以理解世界、适应变化，并在不同任务之间灵活切换。
问题在哪里？
要实现 AGI，目前最常用的方法是让 AI 模型变得“更大、更复杂”。比如让你记住一篇文章，你可能会觉得没问题。但如果让你记住整本百科全书呢？这就是当前 AI 面临的问题：为了让它们变得更聪明，科学家们只能不停地增加它们的“脑容量”。问题是这种方法需要大量的计算资源和能源，效率非常低。
新的突破：小模型，大智慧
中国科学家提出了一个全新的思路：与其让 AI 的“脑袋”越来越大，不如让它的大脑细胞——也就是所谓的“人工神经元”——变得更聪明。你可以想象一下，如果每个神经元都有更复杂的结构，能够处理更多的信息，那么即使整个系统没有变大，它也会变得更加高效和强大。
这也正是我们人类大脑的工作方式。我们的大脑有 1000 亿个神经元，虽然这个数字听起来很多，但它们之间的连接更为复杂，每个神经元本身的内部也有丰富的功能。而最让人惊讶的是，尽管大脑如此复杂，它的能耗只有大约 20 瓦——还不到一只普通灯泡的功率！
人类大脑处理复杂信息的关键，是脉冲式的信号传递机制。科学家们使用一种被称为 Hodgkin-Huxley（HH）的模型来模拟人类神经元，它不仅能模拟神经元之间的电信号传递，还能捕捉到它们的“脉冲”模式，就像真实的人类大脑神经元一样。
更少的计算，更多的智能
通过让每个人工神经元拥有更加复杂的内部结构，科学家们创造出了一种“内在复杂性”极高的神经网络架构。结果表明，虽然这个系统比传统的大规模神经网络要小得多，但它在处理复杂任务时的表现却不输那些庞大的 AI 系统。最关键的是，它像人类大脑一样，大大减少了计算资源的消耗。
换句话说，科学家们展示了一种全新的可能：未来的 AGI 不一定需要超大的计算机系统，而是可以通过更高效的方式实现。这就像用更少的原材料建造出更坚固的建筑一样，节省了成本，却没有牺牲质量。
未来的希望
虽然 AGI 还没有完全实现，但这项研究为我们提供了一个充满希望的路径。它不仅仅是计算技术的一次巨大进步，更可能是我们与通用人工智能时代的第一次真正接触。
科学家们相信，随着技术的进一步发展，我们有可能在未来几年内见证真正意义上的人工通用智能问世。那时候，AI 不仅能帮你写文章，还能帮你解决几乎任何问题——从设计汽车到烹饪美食！
你已经准备好迎接这个新智能时代了吗？
参考文献：
He, L., Xu, Y., He, W. et al. Network model with internal complexity bridges artificial intelligence and neuroscience. Nat Comput Sci 4, 584–599 (2024). https://doi.org/10.1038/s43588-024-00674-9
热门跟贴