新一代人工智能：脑启发神经网络与脉冲神经模型研究

"该文档是关于科技创新2030—“新一代人工智能”重大项目的申报指南建议，重点关注脑结构和功能启发的新型神经网络模型以及基于脉冲神经网络的感知-学习-决策模型的研究。项目旨在解决传统神经网络的局限性，如依赖大量标注样本、鲁棒性不足、可解释性差和能效比低等问题，通过解析大脑工作机理，发展新一代具有记忆、稀疏编码特性的神经网络，并设计高效学习和计算方法。同时，构建能够进行感知、学习和决策的类脑智能模型，应用于无人机和机器人等领域，以促进人工智能与社会经济的深度融合。" 本文档详述了新一代人工智能基础理论的两个核心研究方向。首先，脑结构和功能启发的新型神经网络模型，针对当前神经网络模型存在的问题，如依赖大量标注数据、鲁棒性和适应性不强、可解释性不足以及能效比低等，研究者将深度解析大脑皮层的高分辨率响应数据，理解神经回路的工作机制。受大脑特定神经环路的启发，他们将开发出具有记忆功能和稀疏编码特点的新型神经网络模型。此外，还将研究大规模复杂网络的高效学习和计算方法，以及构建具有自纠错能力的神经网络结构，以实现自学习、小样本学习和提高模型的可解释性。 考核指标包括构建至少包含百万量级神经元的神经网络模型，模型需具备学习和记忆能力，并在噪声环境下表现出显著的性能提升。同时，通过自学习和小样本学习方法，减少对标注数据的需求，增加模型的可解释性，开源相关数据、模型和代码。 第二个研究方向是基于脉冲神经网络的感知-学习-决策神经网络模型，以神经系统可塑性为核心，构建多脑区协同的模型，建立生物合理性和可解释性的学习算法。此模型旨在模拟多脑区的感知、学习和决策过程，特别是在复杂视听觉场景下，支持自主学习和决策，并应用于无人机和机器人等自主智能系统，实现反转学习与决策的能力。 这份申报指南旨在推动人工智能技术的创新，通过借鉴大脑的工作原理，发展更为先进、智能且高效的神经网络模型，以应对现实世界中的各种挑战，并为未来的人工智能应用提供坚实的基础。