原標題：人類智能如何從大腦中涌現？大腦精細模擬重塑 NeuroAI 范式
文章來源：人工智能學家
內容字數：24492字

大腦涌現的智能：從精細模擬到通用人工智能

本文探討了智能如何從大腦中涌現，以及如何通過大腦建模來模擬甚至超越人類智能。文章從大型語言模型（如GPT-3）的成功啟發出發，指出“more is different”的原則，即系統規模達到一定程度時，會涌現出新的性質。文章進一步結合進化論視角，認為神經系統規模和復雜性的增加，以及單個神經元結構和功能的復雜化，是高級智能和意識形成的重要基礎。

1. 大腦建模的兩條路徑：文章指出大腦建模有兩條路徑：人工神經網絡路徑和真實神經元模擬路徑。前者簡化神經元為一個點，而后者則力求精細模擬神經元的物理和生物特性，通過自下而上的方式，涌現出智能。

2. 精細模型的理論基礎：精細神經元模型本質上是基于偏微分方程的數學系統，例如霍奇金-赫胥黎模型和電纜理論。單個神經元由于豐富的離子通道和樹突結構，能夠執行復雜的計算，包括被動濾波、邏輯運算、重合檢測和信號放大等。更重要的是，精細模型能夠生成新理論，與實驗科學平行發展，例如對樹突計算中“時序性抑制”現象的預測和驗證。

3. 與人工智能的關系：精細神經元模型與人工智能密切相關。研究表明，單個精細建模的神經元可以具有相當于5到8層人工神經網絡的計算能力，并能進行邏輯推理。然而，大規模精細模擬面臨計算效率低、硬件限制和工具鏈不足等挑戰。

4. 大規模精細模擬的挑戰與解決辦法：文章探討了提高計算效率的方法，包括傳統方法（如海因斯矩陣）和并行化方法（如樹突分層調度方法）。后者結合GPU，可以將計算效率提高高達1000倍。

5. 精細模型的應用：精細神經元模型已應用于小鼠大腦模擬和基于精細神經元的類腦模型構建，后者在魯棒性方面表現優于傳統人工神經網絡。

6. 展望：如何構建人類智能？文章最后討論了構建通用人工智能的兩種路徑：自上而下（top-down）和自下而上（bottom-up）。作者認為，通過精細大腦模型有可能實現基于人腦的通用智能，但仍面臨諸多挑戰，例如需要高性能的計算框架和高效的訓練方法。

總而言之，文章系統地闡述了從精細模擬神經元到構建通用人工智能的路徑，并指出了當前面臨的挑戰和未來的研究方向。通過對神經元精細模擬的研究，我們有望更深入地理解大腦的工作機制，并最終實現具有真正通用智能的人工智能系統。

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構