去年年底，“人工智能”入选“2017年度中国媒体十大盛行语”。
当越来越多的人开始评论辩论“人工智能”时，这个词本身的含义也由于市情上良莠不齐的所谓人工智能产品的误导，变得让人困惑。

在美国麻省理工学院的温斯顿教授看来，

“人工智能便是研究如何使打算机去做过去只有人才能做的智能事情。
”

为了让打算机有人的智能，一贯以来，人的大脑成了不少人工智能科学家研究和仿照的样本。

脑科学对人工智能的贡献有多大？

2018年6月13日，在“AI落地，家当升级”为主题的“2018环球智能+新商业峰会”上，多位学者和企业家共聚一堂，从人工智能的核心出发，谈论其落地实现商业代价的多种可能。
个中的议题之一，便是回到人的大脑本身，探究人工智能的下一个方向。

脑科学发展缓慢，制约了人工智能的进步

1959年，加拿大神经科学家Husel和瑞典神经科学家Wiesel研究出了视觉神经系统的层级构造模型，即从大略细胞到繁芜细胞、超繁芜细胞的层级信息处理构造，成为本日深度学习模型的神经科学鼻祖。
该研究成果在1981年得到诺贝尔生理学或医学奖。

Hubel和Wisel提出的视觉神经系统层级构造

到了1999年，长期从事脑认知科学方面研究的MIT麦戈文脑、打算机科学与人工智能实验室教授Poggio受到Hubel&Wiesel模型的启示，提出了大脑皮层中物体识别的层级模型H-max。

H-max模型示意图

最近，Poggio在MIT成立了CBMM研究中央，理解大脑如何产生心智、大脑如何事情，力争从脑科学打通到人工智能的路子。

大家众所周知的“神经网络之父”Hinton根据人脑功能区的特点建立了新型模块的神经网络机构，而做压缩感知、稀疏性重修的Donoho从1998年一贯到2016年建立了22层到100多层神经网络，这时候视觉分类的机制已经超过了人类。

在IBM的首席科学家Modah看来，人工智能及其运用快速发展超越了预期，而脑科学的发展至今仍旧缓慢。
Modah建立了4096个内核，100万个神经元的系统，系统做成了小芯片，在斯坦福大学识别率到达80%。
他认为在人工智能网络技能中要有新的打破必须要有脑科学的参与才能做这件事。

“大家都知道Hinton在去年否定了他的成果，他说深度网络根本不是人工智能的好东西，于是他提出了‘胶囊网络’，但现在他又否定了胶囊网络，认为人类认知机制不清楚、认知算法没有打破，依托传统的工程学科来推动人工智能不能成立。
”

在峰会现场，中国工程院院士戴琼海在梳理完脑科学对人工智能的贡献后，借用Hinton不雅观点的变革，谈到了从脑科学的方向发展人工智能的难处。
脑科学、脑认知是生命科学的末了堡垒 ，但由于机理不明，探索难度大，脑科学的发展仍旧缓慢，制约了人的生命和人工智能的发展。

人工智能的认知革命

“现在的人工智能便是从感知到决策到掌握，未来的人工智能一定是主动的人工智能，从认知到决策与掌握，识别结束往后决定是对比样错。
人工智能末了的技能发展一定是脑认知。
”

戴琼海对认知的强调，也得到了科大讯飞实行总裁的胡郁的回应。

“随着人工智能的发展，我们看到它无论在图像识别、语音识别、各种传感器等方面，还是自动驾驶汽车以及其他机器方面的运用，他们都追赶得非常快。
但是，有一点便是人类所独占的，我们认为人类能成为天下的主宰，最不能短缺的便是认知智能。
”

在胡郁看来，人类所独占的认知包括措辞理解能力、表达能力、逻辑推理能力、繁芜的决策能力等等。
目前，人工智能和人类之间存在着巨大的差距，人工智能须要一场认知革命。

好在，这场革命已经在国内外拉开了序幕。

2013年，时任美国总统的奥巴马拨款1.1亿美元，提出“推进创新神经技能脑研究操持”，要“通过10年努力绘制出完全的人脑活动图”。
此后，脑操持预算逐年增加，得到各界支持，国家卫生研究院、能源部及国防部高等研究项目局等多方参与。
2015年4月，科学家创造了掌握实验室动物大脑神经回路、较准确操控其行为的办法，这是该操持的第一个主要造诣。

此外，美国还投资1亿美元开启了皮层网络的\"大众阿波罗\"大众机器智能操持（Machine Intelligence from Cortical Networks，MICrONS），集结了脑成像、机器学习、脑科学神全心理的三组科学家，希望对1立方毫米的大脑进行反向工程，研究其打算办法。

与此同时，欧盟投入10亿欧元履行“未来新兴旗舰技能项目”之一的人脑工程项目，希望利用利用信息技能开拓它自己的大脑全面运作的超级打算机模型。

在海内，清华大学联合上海光技能也做出了国际领先项目。
峰会现场上，戴琼海播放了天下上最大视场高速高分率显示器下，小鼠听到音乐神经环路的状态。
这是国际上第一个动态全脑的图，环路打通往后将有能力办理人工智能里环路的不愿定性。

“类脑智能通过借鉴人脑运行事理、信息处置机制为人工智能供应新的动力，大脑是最为繁芜的信息处理系统和行为调控中枢，人类对大脑的理解是我们认识自然和自身的寻衅。
”

中国科学院院士、上海微系统所所长王曦说。

“把工业自动化、信息技能等理论中存在的算法、理论与生物中中枢神经的构造、功能、模式进行比较和借鉴，有助于人工智能的快速发展和完善。
反过来讲人工智能的事理和算法又会推动脑科学的发展。
”

大脑的科学研究取得打破的同时，更为落地的企业则开始在往另一条路上思考。

“有很多科学家都在研究，是不是可以像仿照景象一样，让超级打算机仿照大脑所有的神经原放电情形，从而节制人脑智能的奥秘。
我以为这种办法有点像当年的“鸟飞派”，学习飞的时候冒死学习鸟，末了让人类节制飞行的事理是空气动力学。
以是，我们认为将来促进发展的办法，可能是‘智能动力学’。
”

“智能动力学”的观点是科大讯飞提出来的，胡郁指出，希望利用采取大数据及人工智能的办法，能够实现认知智能的打破，通过速率更快的学习机理、构造、打算机数字化的运作，来实现“超脑”。