摘要：电气和计算机工程师开发出了一种“超级图灵人工智能”，其运作方式更像人脑。这种新型人工智能将某些流程整合在一起，而不是像当前系统那样将它们分开，然后迁移大量数据。

电气和计算机工程师开发出了一种“超级图灵人工智能”，其运作方式更像人脑。这种新型人工智能将某些流程整合在一起，而不是像当前系统那样将它们分开，然后迁移大量数据。

人工智能 (AI) 可以比人类更快地进行复杂计算和分析数据，但这样做需要大量能源。人脑也是一台功能极其强大的计算机，但它消耗的能量却非常少。

随着科技公司规模不断扩大，德克萨斯农工大学工程师等研究人员开发出一种新的人工智能“思考”方法，可以模仿人类大脑，有可能彻底改变人工智能行业。

德克萨斯农工大学工程学院电气与计算机工程助理教授 Suin Yi 博士是开发“超级图灵人工智能”的研究团队的一员，该人工智能的运作方式更像人脑。这种新型人工智能将某些过程整合在一起，而不是像当前系统那样将它们分开，然后迁移大量数据。

人工智能中的能源危机

当今的人工智能系统，包括 OpenAI 和 ChatGPT 等大型语言模型，需要巨大的计算能力，并且安置在消耗大量电力的庞大数据中心中。

“这些数据中心消耗的电力以千兆瓦计，而我们的大脑只消耗 20 瓦，”Suin 解释道。“这是 10 亿瓦，而我们的大脑只有 20 瓦。消耗这种能源的数据中心在目前的计算方法下是不可持续的。因此，虽然人工智能的能力非凡，但维持它所需的硬件和发电仍然是必要的。”

巨大的能源需求不仅增加了运营成本，而且由于大型数据中心会产生碳足迹，因此也引发了环境问题。随着人工智能的集成度越来越高，解决其可持续性问题变得越来越重要。

模拟大脑

易和他的团队认为解决这个问题的关键在于自然——具体来说，就是人类大脑的神经过程。

在大脑中，学习和记忆的功能并不是分开的，而是整合在一起的。学习和记忆依赖于神经元之间的连接，即“突触”，信号就是通过突触传递的。学习通过一种称为“突触可塑性”的过程来加强或削弱突触连接，形成新的电路并改变现有的电路来存储和检索信息。

相比之下，在当前的计算系统中，训练（AI 的教学方式）和内存（数据存储）在计算机硬件的两个不同位置进行。Super-Turing AI 具有革命性，因为它弥补了这一效率差距，因此计算机不必将大量数据从硬件的一部分迁移到另一部分。

“传统的人工智能模型严重依赖反向传播——一种在训练过程中调整神经网络的方法，”易说。“虽然反向传播很有效，但它在生物学上并不合理，而且计算量很大。

“我们在那篇论文中所做的就是解决当前机器学习算法中存在的生物学不合理性问题，”他说。“我们的团队探索了赫布学习和脉冲时间依赖性可塑性等机制——这些过程帮助神经元以模仿真实大脑学习的方式加强连接。”

赫布学习原则通常被概括为“细胞一起激发，连接在一起”。这种方法与大脑中的神经元如何根据活动模式加强连接更为接近。通过整合这些受生物启发的机制，该团队旨在开发需要更少计算能力而不会影响性能的人工智能系统。

在测试中，使用这些元件的电路帮助无人机在复杂环境中导航——无需事先训练——实时学习和适应。这种方法比传统人工智能更快、更高效，而且耗能更少。

为什么这对人工智能的未来很重要

这项研究可能会改变人工智能行业格局。各家公司竞相构建更大、更强大的人工智能模型，但其扩展能力受到硬件和能源限制的限制。在某些情况下，新的人工智能应用需要构建全新的数据中心，这进一步增加了环境和经济成本。

易强调，硬件创新与人工智能系统本身的进步同样重要。“很多人说人工智能只是软件，但如果没有计算硬件，人工智能就不可能存在，”他说。

展望未来：人工智能的可持续发展

超级图灵人工智能代表着迈向可持续人工智能发展的关键一步。通过重新构想人工智能架构以反映人脑的效率，该行业可以应对经济和环境挑战。

易和他的团队希望他们的研究能够带来更智能、更高效的新一代人工智能。

“像 ChatGPT 这样的现代人工智能很棒，但成本太高。我们要打造可持续的人工智能，”易建联说。“超级图灵人工智能可以重塑人工智能的构建和使用方式，确保它在不断发展的同时，能够造福人类和地球。”

来源：人工智能学家