英国萨里大学(University of Surrey)的研究人员开发出一种新方法，通过模仿人脑神经网络来提升人工智能(AI)的性能。根据发表在《神经计算》(Neurocomputing)期刊上的研究显示，模仿大脑的神经连接方式可以显著提高生成式AI和ChatGPT等现代AI模型中使用的人工神经网络的性能。
研究团队开发的拓扑稀疏映射技术使每个神经元仅与附近或相关的神经元相连，这与人脑组织信息的方式类似。该校高级讲师罗曼·鲍尔(Roman Bauer)博士表示："我们的研究表明，可以以更高效的方式构建智能系统，在不影响性能的情况下降低能源消耗。"
研究人员指出，该模型通过消除大量不必要的连接，以更可持续的方式提升性能，同时保持准确性。鲍尔博士补充说："训练当今许多流行的大型AI模型可能消耗超过100万千瓦时的电力，这种能耗水平难以持续。"
研究团队开发的增强型拓扑稀疏映射进一步引入了一个受生物启发的"修剪"过程，这与大脑在学习过程中逐步优化神经连接的方式相似。目前，研究团队正在探索将这种方法应用于其他领域，如开发更接近人脑结构的神经形态计算机(neuromorphic computers)——这是一种受人脑结构和功能启发的计算方法。
