記者9月8日從中國科學院自動化研究所獲悉，近日，該研究所李國齊、徐波團隊與相關(guān)單位合作，成功研發(fā)出類腦脈沖大模型“瞬悉1.0”（SpikingBrain-1.0）。
△類腦脈沖大模型“瞬悉1.0”界面
該模型基于團隊原創(chuàng)的“內(nèi)生復雜性”理論構(gòu)建，在國產(chǎn)GPU平臺上完成了全流程訓練與推理，顯著提升了大模型高效處理極長文本或數(shù)據(jù)序列的效率和速度，展示了構(gòu)建國產(chǎn)自主可控的新型（非Transformer）大模型架構(gòu)生態(tài)的可行性。
當前主流的Transformer模型，在處理超長文章或?qū)υ挄r速度會非常慢且成本極高，造成了巨大的資源消耗。可以說，當前大模型的飛速發(fā)展，背后是由巨大的資源消耗驅(qū)動的。因此，亟須發(fā)展一條低功耗高效率的新型大模型路線。
與當前主流大模型架構(gòu)（Transformer架構(gòu)）不同，“瞬悉1.0”借鑒大腦神經(jīng)元內(nèi)部工作機制，清晰地展示了一條不斷提升模型復雜度和性能的新型可行路徑。該模型僅需約主流模型2%的數(shù)據(jù)量，就能在多項語言理解和推理任務中達到媲美眾多主流模型的性能。
這是我國首次提出大規(guī)模類腦線性基礎模型架構(gòu)，并首次在國產(chǎn)GPU算力集群上構(gòu)建類腦脈沖大模型的訓練和推理框架。其超長序列處理能力在法律與醫(yī)學文檔分析、復雜多智能體模擬、高能粒子物理實驗、DNA序列分析、分子動力學軌跡等超長序列任務建模場景中具有顯著的潛在效率優(yōu)勢。本次發(fā)布的大模型為新一代人工智能發(fā)展提供了非Transformer架構(gòu)的新技術(shù)路線，并將啟迪更低功耗的下一代神經(jīng)形態(tài)計算理論和芯片設計。
