新论文主张用 20 瓦的脉冲神经网络补充高耗能 Transformer
ziv_ravid · x · 2026-10-31
Volker Kempe 发布 arXiv 专著《AI at a Turning Point: From ChatGPT through Neural Networks to Neuromorphic AI》,系统对比 Transformer 与脉冲神经网络(SNN)。核心论点:大模型开发与运行耗能达 GWh–TWh 级,而人脑仅约 20 瓦;SNN 以局部学习替代全局反向传播、事件驱动计算、以时间为信息载体,带来自组织元素。作者认为 SNN 不会取代现有 AI,而是以混合系统形式各展所长。书中涵盖 STDP、群体与时间编码、Neural Engineering Framework,以及从 Loihi 2 到商用边缘处理器的神经形态硬件。
「研究」频道最新
- 研究发现：对抗非人类相似模型训练时，能力迁移明显触顶 — saurabh_shah2 · 2026-10-31
- 上下文压缩研究：长任务中约束指令被遗忘概率是目标类内容的 6 倍 — maksym_andr · 2026-10-31
- CMU 发布 Gym-Anything：编码智能体自动搭建 25 个机器人物理仿真 — AkariAsai · 2026-10-31
- ENCODE ChIP-seq 模型按原样提供：底层数据差则模型也差 — jmschreiber91 · 2026-10-31
- 当模型「意见不合」：可及性无信号但 TF 模型显示结合位点被破坏 — jmschreiber91 · 2026-10-31
- Whole-Body Dexterity:把人形机器人全身变成灵巧操作器 — chris_j_paxton · 2026-10-31