以ChatGPT, DeepSeek为代表的大模型虽在多领域取得突破，但其高能耗问题日益凸显，“小型化”仍未从根本上解决效率与性能的矛盾。本报告从“回归神经元本质”的视角出发，探索一种兼具低能耗与可解释性的智能新路径。基于生物可信的树突状神经元结构，我们提出树突状学习理论，构建面向宽度结构的单神经元学习模型，并结合优化算法实现高效学习机制。在此基础上，系统分析其计算能力与学习性能，并在复杂数据任务中验证其有效性。结果表明，该方法在降低计算成本的同时，具备良好的性能与可解释性，为下一代智能模型提供了新的方向。

高尚策，博士，日本国立富山大学工学部人工智能研究室讲座教授，博士生导师。2005年获东南大学学士学位，2011年获日本富山大学博士学位，2011年起任同济大学副研究员（硕导），2014年起受聘于日本国立富山大学，担任常聘副教授（博导），2023年破格晋升为讲座教授。

主要从事人工智能、神经网络及其应用等领域研究，主持了日本文部省重点项目，日本国家博士点SPRING重点项目，中国国家自然科学基金项目，教育部博士点基金项目，中央高校项目，上海市人才引进项目，“励志计划”等科研项目数十项。曾荣获中国国家优秀自费留学生奖，上海市“晨光学者”及“青年科技启明星”等学术奖励称号，获日本情报处理协会（IPSJ）研究贡献奖，日本电子情报通信协会（IEICE）优秀学者奖，国际大会最佳论文奖十余项，IEEE高级会员，连续七年入选美国斯坦福大学发布的“全球前2%顶尖科学家”榜单。在《IEEE Trans. Neural Networks and Learning Systems》、《IEEE Trans. Evolutionary Computation》、《IEEE Trans. Cybernetics》等期刊上发表SCI论文逾250篇，其中IEEE会刊和中科院一区期刊论文100余篇,在ACM SIGGRAPH, CVPR, IJCAI等国际会议发表论文100余篇。担任国际人工智能大会AAAI、NeurIPS, CVPR, ICML的程序委员会委员, 香港研究资助局（RGC）以及日本学术振兴会（JSPS）项目评审专家，担任多个国际会议的程序委员会主席, 为IEEE Trans. Neural Networks and Learning Systems (IF:8.9), IEEE/CAA Journal of Automatica Sinica(IF:19.2)的年度最佳编委。