在2024诺贝尔物理学奖与化学奖都颁给了与人工智能和神经网络相关的研究的背景下，10月10日，中国科学院自动化研究所曾毅研究员领导的“类脑认知智能研究组”近期在人工智能领域权威期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》上发表了一篇题为“发育可塑性启发的深度脉冲与人工神经网络自适应剪枝模型”的新研究。
该研究融合生物脑多尺度发育可塑性机制，基于“用进废退”的原则设计自适应剪枝策略去除网络中冗余的突触和神经元，探索脑发育可塑性如何赋予深度神经网络以动态结构调整能力，使其像生物脑一样逐步“发育”为更高效的神经网络结构，在“会发育”的人工智能研究方面取得进展。
研究团队负责人和论文的通讯作者曾毅研究员说：“我们的研究可以说是脑科学与人工智能双向启发又一个典型的案例。我们在同一个神经网络计算模型中融合了脑发育过程中多尺度的突触、神经元自适应新生与消亡机制，探索了这些原理在计算层面的协同，通过计算建模进一步验证了脑发育原理。在此基础上提出基于类脑发育可塑性的通用结构学习理论，受此启发构建结构动态发育的低能耗、高性能类脑神经网络。这项研究揭示了发育可塑性在助力神经网络自适应形成类脑高效结构方面的重要价值和关键作用，同时也从一个侧面验证了这些原理对于生物脑在发育过程中将大脑塑造为更具自适应性的结构。这项研究将为发展高适应性、高性能的类脑人工智能模型与平台提供了有力的理论与技术支持。”