盖蒂
萨里大学的研究人员开发了一种通过模仿人脑网络来提高人工智能（AI）性能的新方法。
根据《神经计算》发表的一项研究，模仿大脑的神经线路可以显着提高生成式人工智能和其他现代人工智能模型（例如 ChatGPT）中使用的人工神经网络的性能。
拓扑稀疏映射仅将每个神经元连接到附近或相关的神经元，类似于人脑有效组织信息的方式。
高级讲师罗曼·鲍尔博士表示：“我们的工作表明，智能系统的构建效率可以大大提高，在不牺牲性能的情况下减少能源需求。”
研究人员表示，该模型消除了对大量不必要连接的需求，以更可持续的方式提高性能，同时又不牺牲准确性。
鲍尔博士补充道：“训练当今许多流行的大型人工智能模型可能会消耗超过一百万千瓦时的电力。
“以人工智能持续增长的速度来看，这根本不可持续。”
称为“增强型拓扑稀疏映射”的增强版本更进一步，在训练期间引入了受生物学启发的“修剪”过程。
这类似于大脑在学习时逐渐完善其神经连接的方式。
研究团队还在探索如何将该方法用于其他应用，例如更现实的神经形态计算机——一种受人脑结构和功能启发的计算方法。