据中国科学院自动化研究所介绍，中国科学家团队建立了一种基于内部复杂性的新型类脑网络模型，以解决传统模型面临的计算资源消耗高等挑战。

当前人工智能发展的关键目标之一是构建更加通用的人工智能，使模型具备更广泛、更普遍的认知能力。

自动化研究所研究员李国旗说，当前大模型流行的做法，是根据规模法则构建更大、更深、更宽的神经网络，这可以称为基于“外部复杂性”实现通用智能的方法。

然而，这种方法面临着计算资源和能源消耗不可持续以及缺乏可解释性等挑战。

而人脑拥有约1000亿个神经元，近1000万亿个突触连接，每个神经元都拥有丰富多样的内部结构，但人脑的功耗仅为20瓦左右。

受大脑神经元动态特性的启发，来自自动化研究所和清华大学、北京大学等研究机构的科学家采用“内部复杂性”方法来实现通用智能。

他们的实验验证了内部复杂性模型在处理复杂任务的有效性和可靠性，为将神经科学的动态特性融入人工智能提供了新的方法和理论支持，也为优化和提升人工智能模型的实用性能提供了可行的解决方案。