日本初创公司Sakana AI近日发布全新AI训练技术误差扩散，可在不使用传统反向传播算法的前提下，完成符合戴尔原则的双流神经网络训练，在手写数字识别数据集MNIST上准确率达96.7%，在图像分类数据集CIFAR-10上准确率达61.7%，为低功耗类脑AI模型的落地商用提供了全新技术路径。
自深度神经网络普及以来，反向传播算法一直是模型训练的绝对主流，但这一需要反复回溯调整参数的机制，不仅算力消耗巨大，也和生物大脑的神经运行逻辑完全相悖，是类脑AI领域长期无法突破的核心瓶颈。
戴尔原则是神经科学领域的核心定律，指同一神经元的所有输出突触释放的递质性质一致，是构建类脑神经网络的核心准则，但过去符合戴尔原则的网络很难通过反向传播完成高效训练，性能始终远低于传统深度学习模型，无法达到商用要求。此前行业内无反向传播训练的戴尔合规模型，在CIFAR-10数据集上的准确率最高仅能达到50%左右，实用价值有限。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号