近日，伦斯勒理工学院(RPI)与香港城市大学的研究人员共同开展了一项新研究，该研究有望为人工智能的未来发展带来革新。这项发表在《模式》杂志上的研究题为《下一代神经网络的维度和动态》，旨在降低人工智能系统的资源消耗，提升其性能，并推动其向模拟人脑的方向发展。

随着人工智能模型规模的不断扩大，其成本和局限性也日益凸显。针对这一问题，研究团队提出了一个创新性的解决方案：通过向上构建而非向外扩展，即在人工神经网络中添加类似于3D生物神经网络的内部结构，并引入递归循环，以增强网络的自省能力。

这种垂直维度和循环的引入，使得人工神经网络能够更高效地处理信息，从而可能改变人工智能在三维及更高维度上的学习和适应能力。伦斯勒理工学院的王戈教授表示：“这个新的人工智能框架不仅提高了效率，还为实际应用开辟了新机会。它可能是推动下一代人工神经网络进步的关键，与医疗保健和教育等领域密切相关，同时也为深入理解人脑工作原理提供了可能。”

新的设计理念通过引入垂直“高度”维度和反馈回路，使人工神经网络能够关联、反映并改进输出，从而变得更加智能。这一创新有望扩大先进人工智能技术的使用范围，减少大规模模型训练对环境的影响，并推动更多实时应用的发展，如机器人技术和个性化医疗。

此外，该研究在神经科学领域也具有潜在应用价值。受大脑启发的神经网络可能帮助科学家更好地理解认知，甚至为阿尔茨海默病和癫痫等神经系统疾病的研究提供新线索。王戈教授强调：“这个框架不仅关乎更智能的人工智能，更关乎更可持续、更易于访问和更易于解释的人工智能。”

此项合作研究由伦斯勒理工学院的王戈博士和香港城市大学的范风雷博士领导，建立在RPI在人工智能研究领域的长期领先地位之上。通过不断推进人机协作和探索脑启发计算，RPI正致力于塑造人工智能的未来。

更多信息： Ge Wang 等，《下一代人工神经网络的维度与动态，模式》(2025)。期刊信息： 模式