打破“健忘”魔咒：中国科学家赋予脉冲神经网络“想象未来”能力

抖音热门 2025年12月28日 20:27 1 cc

在人工智能的赛道上，长期以来存在着两种截然不同的流派：一种是以ChatGPT为代表的深度人工神经网络（ANN），它们依靠暴力美学般的算力堆叠展现出惊人的智能，却也是不折不扣的“能源巨兽”；另一种则是模仿生物大脑运作机制的脉冲神经网络（SNN），它们像大脑一样通过离散的电脉冲传递信息，拥有极致的能源效率，却长期受困于“智商”瓶颈——尤其是在处理长期记忆和复杂决策时，往往表现得像个“健忘”的孩子。

然而，这一局面正在被改写。近日，中国科学院自动化研究所（CASIA）曾毅研究员领衔的团队在顶级科学期刊《美国国家科学院院刊》（PNAS）上发表了一项突破性成果。他们通过在计算机代码中重构神经元的微观结构，成功构建了一种基于“多房室脉冲神经元”的类脑世界模型。这项研究不仅治好了脉冲神经网络的“健忘症”，更让这类高能效AI首次具备了像人类一样“想象未来”并据此做出决策的能力。

从“点”到“树”：神经元结构的革命

要理解这项突破的含金量，我们需要先看看现有的AI模型错在哪里。在大多数传统的人工智能模型中，神经元被简化为一个没有任何体积的“点”。它们只是简单地接收信号、加权求和，然后传递出去。这种极度简化的数学模型虽然易于计算，却丢掉了生物大脑中最精妙的计算机制——树突。

神经科学家早已发现，生物神经元并非简单的开关，而是一个拥有复杂树突结构的“微型计算机”。树突像树枝一样延伸，不同的树枝（如基底树突和顶树突）负责处理不同来源的信息，并承担着非线性整合与记忆存储的关键功能。

曾毅团队的创新之处，在于他们拒绝了“点神经元”的粗暴简化。他们提出了一种多房室脉冲神经元模型，在数字世界中还原了神经元的“解剖结构”。在这个模型中，神经元不再是一个孤立的点，而是被精细划分为胞体、基底树突和顶树突等不同的功能单元（房室）。

这不仅仅是结构上的模仿，更是计算逻辑的质变。研究团队发现，通过引入生物物理动力学机制，这些数字化的“树突”能够像蓄水池一样保留关键信息，从而自然地实现长时序记忆。在一项关键的消融实验中，研究人员尝试移除了模型中的基底或顶树突模块，结果发现模型的性能立即大幅下降。这有力地证明了，正是这些模拟生物结构的“复杂零件”，赋予了AI处理复杂时序依赖的能力。简单的参数调整无法替代结构上的进化——这正是类脑智能的核心奥义。

构建“世界模型”：机器学会了在脑海中预演

拥有了更聪明的神经元只是第一步，团队的宏大愿景是构建一个能够理解世界的“大脑”。在人工智能领域，“世界模型”（World Model）被视为通向通用人工智能的关键路径。简单来说，一个拥有世界模型的AI，不仅仅是对眼前的刺激做出条件反射，它能够理解环境的物理规律，能够在采取行动之前，在“脑海”中预演不同行为可能导致的后果。

此前，这种高级认知能力几乎是深度神经网络的专属领地。但曾毅团队成功构建了全脉冲形式的世界模型。这意味着，智能体完全在低功耗的脉冲域中，实现了对环境状态的预测和对未来情景的想象。

在测试中，这一新型架构展现出了惊人的战斗力。在视觉控制和语音序列处理等经典任务上，该模型的表现不仅碾压了当前最先进的脉冲递归网络，甚至在与经典的门控循环单元（GRU）——一种广泛应用于深度学习的时间序列处理模型——的对决中也不落下风，特别是在语音任务中实现了性能的反超。这相当于证明了，一辆省油的“混合动力车”（脉冲神经网络）在速度和操控上完全可以匹敌大排量的“跑车”（传统深度神经网络）。