北京9月8日電 (記者 孫自法)中國(guó)科學(xué)院自動(dòng)化研究所9月8日宣布，該所研究團(tuán)隊(duì)最新成功研發(fā)并發(fā)布類腦脈沖大模型“瞬悉”1.0(SpikingBrain-1.0)，實(shí)現(xiàn)兩個(gè)首次和多項(xiàng)核心性能突破，為新一代人工智能發(fā)展提供了新技術(shù)路線，并將啟迪更低功耗的下一代神經(jīng)形態(tài)計(jì)算理論和芯片設(shè)計(jì)。

　　兩個(gè)首次

　　這是中國(guó)首次提出大規(guī)模類腦線性基礎(chǔ)模型架構(gòu)、并首次在國(guó)產(chǎn)圖形處理器(GPU)算力集群上構(gòu)建類腦脈沖大模型的訓(xùn)練和推理框架。

最新研發(fā)發(fā)布的類腦脈沖大模型“瞬悉”1.0界面。中國(guó)科學(xué)院自動(dòng)化研究所 供圖

　　“瞬悉”大模型由中國(guó)科學(xué)院自動(dòng)化所李國(guó)齊和徐波研究員領(lǐng)導(dǎo)團(tuán)隊(duì)基于“內(nèi)生復(fù)雜性”理論構(gòu)建，已在國(guó)產(chǎn)GPU平臺(tái)上完成全流程訓(xùn)練與推理，實(shí)現(xiàn)大模型在超長(zhǎng)序列推理上數(shù)量級(jí)的效率和速度提升，展示出構(gòu)建國(guó)產(chǎn)自主可控的新型大模型架構(gòu)生態(tài)的可行性。

　　“瞬悉”大模型解決了脈沖驅(qū)動(dòng)限制下的大規(guī)模類腦模型性能退化問題，其超長(zhǎng)序列處理能力在法律/醫(yī)學(xué)文檔分析、復(fù)雜多智能體模擬、高能粒子物理實(shí)驗(yàn)、DNA序列分析、分子動(dòng)力學(xué)軌跡等超長(zhǎng)序列任務(wù)建模場(chǎng)景中，具有顯著的潛在效率優(yōu)勢(shì)。

　　目前，研究團(tuán)隊(duì)已開源“瞬悉”大模型并開放測(cè)試網(wǎng)址，還同步公開經(jīng)工業(yè)界大規(guī)模驗(yàn)證的該類腦脈沖大模型中英文技術(shù)報(bào)告。

　　四項(xiàng)突破

　　研究團(tuán)隊(duì)指出，“瞬悉”大模型主要在高效訓(xùn)練、推理效率、類腦大模型生態(tài)構(gòu)建、多尺度稀疏機(jī)制等四項(xiàng)核心性能上實(shí)現(xiàn)突破：

　　極低數(shù)據(jù)量上的高效訓(xùn)練方面，訓(xùn)練階段具有線性或近線性復(fù)雜度，顯著提升長(zhǎng)序列訓(xùn)練效率，并能依托高效轉(zhuǎn)換訓(xùn)練范式，以約為主流大模型2%的預(yù)訓(xùn)練數(shù)據(jù)量，實(shí)現(xiàn)與眾多開源Transformer(一種基于自注意力機(jī)制的深度學(xué)習(xí)架構(gòu))模型在多任務(wù)語言理解、中文多任務(wù)語言理解、常識(shí)推理能力任務(wù)上相媲美的性能。

　　推理效率的數(shù)量級(jí)提升方面，推理階段結(jié)合脈沖神經(jīng)元事件驅(qū)動(dòng)特性，“瞬悉”大模型具有常數(shù)或部分層常數(shù)級(jí)別的復(fù)雜度和存儲(chǔ)開銷，在超長(zhǎng)序列處理能力上展現(xiàn)出數(shù)量級(jí)的效率和速度提升。

　　國(guó)產(chǎn)自主可控類腦大模型生態(tài)的構(gòu)建方面，“瞬悉”大模型適配了面向國(guó)產(chǎn)GPU集群的高效訓(xùn)練和推理框架、有關(guān)算子庫、模型并行策略以及集群通信原語，表明構(gòu)建國(guó)產(chǎn)自主可控的新型非Transformer大模型架構(gòu)生態(tài)的可行性。

　　基于動(dòng)態(tài)閾值脈沖化的多尺度稀疏機(jī)制方面，“瞬悉”大模型設(shè)計(jì)細(xì)粒度的兩階段動(dòng)態(tài)閾值脈沖化策略，結(jié)合粗粒度的混合專家模型方案，實(shí)現(xiàn)超過69.15%的稀疏度，長(zhǎng)序脈沖占比約1.85%，為低功耗的類腦大模型運(yùn)行提供有力支撐。

　　新型路徑

　　研究團(tuán)隊(duì)介紹，當(dāng)前基于Transformer架構(gòu)的主流大模型，通過增加網(wǎng)絡(luò)規(guī)模、算力資源和數(shù)據(jù)量提升模型智能水平，其基本計(jì)算單元為簡(jiǎn)單的點(diǎn)神經(jīng)元模型，此路徑被稱為“基于外生復(fù)雜性”的通用智能實(shí)現(xiàn)方法。

　　不過，Transformer架構(gòu)的固有缺點(diǎn)，是訓(xùn)練時(shí)開銷隨序列長(zhǎng)度呈平方級(jí)增長(zhǎng)以及推理時(shí)顯存占用也隨序列長(zhǎng)度線性增加，構(gòu)成資源消耗的主要瓶頸，導(dǎo)致其處理超長(zhǎng)序列的能力受限。

　　借鑒大腦神經(jīng)元內(nèi)部復(fù)雜工作機(jī)制，研究團(tuán)隊(duì)提出“基于內(nèi)生復(fù)雜性”的大模型構(gòu)架方式，成功研發(fā)出類腦脈沖大模型“瞬悉”，在理論上建立脈沖神經(jīng)元內(nèi)生動(dòng)力學(xué)與線性注意力模型之間的聯(lián)系，揭示現(xiàn)有線性注意力機(jī)制是樹突計(jì)算的特殊簡(jiǎn)化形式，從而清晰展示出一條不斷提升模型復(fù)雜度和性能的新型可行路徑。

　　根據(jù)新型路經(jīng)，研究團(tuán)隊(duì)構(gòu)建并開源基于脈沖神經(jīng)元、具有線性及混合線性復(fù)雜度的新型類腦基礎(chǔ)模型“瞬悉”，它僅需約主流模型2%的數(shù)據(jù)量，就能在多項(xiàng)語言理解和推理任務(wù)中媲美眾多主流模型。(完)

【編輯:劉陽禾】