北欧初创公司Intuicell启动了世界上第一个用于AI的数字神经系统

北欧深技术初创公司Intuicell的开创性宣布使技术界陷入了困境。 2025年3月19日，隆德大学（Lund University）的这一衍生产品揭示了他们所谓的第一个功能性的“数字神经系统”，可以自主学习，就像生物生物一样。这种创新可能会动摇AI景观，有可能使许多当前的AI方法在某些应用中过时。

使Intuicell的方法如此革命性的原因是它偏离了统治当今AI的静态机器学习模型。相反，它反映了生物神经系统中发现的学习过程。尽管传统的AI在很大程度上取决于大型数据集和反向传播算法，但Intuicell的技术使机器可以直接与周围环境进行交互。

该公司在公告中自豪地表示：“ Intuicell对生物学中的学习方式进行了破解，并首次将其变成了软件。”他们将其描述为超越传统AI的静态模型的飞跃，朝着功能齐全的“数字神经系统”，可以扩展以匹配人类水平的智能。

为了展示他们的技术，Intuicell介绍了“ Luna”，这是一只机器人狗，学会控制其身体并通过反复试验站起来，就像新生动物一样。该公司发布的录像带捕获了Luna，弄清楚了如何在没有任何预先编程的智能或说明的情况下站立，完全依靠数字神经系统从其经验中学习。

该公司在新闻稿中解释说：“与传统的AI模型不同，该模型受其静态培训数据的限制，Luna可以通过与世界直接互动来感知，过程和改进。”

在YouTube上观看此视频

技术如何运作

Intuicell创新的核心是机器学习方式的转变。传统的AI系统使用静态算法处理巨大的数据集，但Intuicell的方法灵感来自生物学，使机器可以更自然，类似人类的方式学习。

Intuicell的首席执行官兼联合创始人Viktor Luthman在公告中强调了这种差异。他指出，尽管传统AI擅长处理数据，但它并没有实现真正的智能。相比之下，他们的生物启发系统允许机器以我们从未见过的方式发展并与环境进行交互。

该系统的体系结构与标准神经网络大大不同。 Intuicell制作的技术像生物脊髓一样工作，形成了自主学习的骨干。这是一个更广泛的系统的一部分，旨在模仿丘脑皮层，这是负责感觉处理和理解世界的大脑区域。

Intuicell的数字神经系统不使用反向传播和大规模的培训数据集，而是使用反复的网络，并具有模拟脑功能的分散学习算法。这种设置使AI代理可以从直接经验中学习并随时适应新的情况 - 传统的机器学习很难实现的技能。

该技术的实际使用灵感来自生物学。 Intuicell计划使用狗训练师教他们的AI代理新技能，而不是通过常规算法进行编程行为或通过传统算法运行数据。这种方法标志着与典型的AI开发的重大转变，重点是计算能力上的现实互动。研究人员兼联合创始人Udaya Rongala博士解释说，他们的工作植根于三十年的神经科学研究，旨在了解智力如何从神经系统的结构和动态中出现。

Rongala说：“使用数十亿个参数，更多的计算能力和更多数据是实现智能的一种方法。” “在Intuicell，我们并不是在追逐更大的问题。情报是我们的起点，而不是我们的最终目标。”

Intuicell的愿景是创建“第一个现实世界中的教学系统；向我们学习的机器，就像我们将向动物传授一项新技能。”他们将自己的数字神经系统视为所有非生物智能的基础，使其他人能够在不依赖大规模培训数据集的情况下应对不可预见的现实世界中的挑战。

（来源：Intuicell）

研究基金会和团队专业知识

隆德大学（Lund University）在三十年的神经科学研究中奠定了Intuicell技术的基础。 Intuicell的联合创始人，大学的神经生理学教授HenrikJörntell教授领导该公司所说的“世界上唯一能够在整个神经系统中记录细胞内单神经活动的实验室”。这个独特的研究基础是Intuicell技术进步的基础。

该公司的领导团队汇集了经验丰富的企业家和研究人员，具有神经科学，人工智能，机器人技术和商业方面的专业知识。与Luthman，Jörntell和Rongala一起，创始团队包括专门从事神经科学的医生Jonas Enander博士；桥梁研究和软件的主要开发人员LinusMårtensson；还有AI驱动科技公司背景的首席运营官Robin Mellstrand。

Intuicell已从Navigare Ventures和Snöventures等投资者那里筹集了350万欧元的资金。他们计划在未来两年内完成数字神经系统的全面发展，最终的目的是使任何代理人（无论是身体上的还是数字化），以实现“终身学习和适应未知的人” - 曾经被认为是生物生物独有的障碍。

尽管对Intuicell的愿景的完全实现数年，但他们与Luna的演示却具有很有希望的瞥见，可以瞥见其技术革新AI开发的潜力，创建可以通过现实世界中的互动来真正学习和适应的系统。