雖然人工智能在一些方面的表現已超越了人類，但這不代表它真的很聰明。相反，很多時候它還很傻很天真，仍然需要向人腦學習。

近日，以“類腦計算與人工智能”為主題的香山科學會議在香港科技大學召開，來自腦科學、神經科學以及人工智能方向的30多位與會專家，討論了如何將人工智能和腦計算相互融合、相互促進，實現從腦啟發到通用人工智能的演進。

類腦智能是人工智能的良藥

近年來，人工智能在發展過程中仍有一系列技術難題需要克服。比如，機器學習不靈活，需要大規模人工標注的高質量樣本數據；訓練模型需要很大的計算開銷；同時人工智能仍然缺乏高級認知能力和舉一反三的學習能力。

香港科技大學楊強教授表示，機器學習是人工智能領域的核心內容，但是，當前的機器學習與人腦的學習能力相比還存在顯著差異，尤其在可解釋性、推理能力、舉一反三能力等方面，與人腦相比還存在明顯差距。目前科學家們把更多期待投入到類腦智能上，他們認為智能技術可以借鑒腦科學和神經科學，對人腦認知神經機制的理解可能為新一代人工智能算法和器件的研發帶來新啟發，為信息智能領域的產業升級帶來顛覆性的變革突破。

“近年來，腦與神經科學、認知科學的進展使得人們在腦區、神經微環路、神經元等不同尺度觀測的各種認知任務中，獲取腦組織的部分活動數據已成為可能，獲知人腦信息處理過程不再僅憑猜測，通過多學科交叉和實驗研究獲得的人腦工作機制更具可靠性。因此，腦科學有望為機器學習、類腦計算的突破提供借鑒。”中國科學院神經科學研究所蒲慕明院士說。

信息處理要模擬人腦

所謂類腦計算是借鑒人腦存儲處理信息的方式發展起來的新技術，它通過仿真、模擬和借鑒大腦生理結構和信息處理過程的裝置、模型和方法，制造類腦計算機和類腦智能。

香港科技大學葉玉如院士表示，類腦智能是人工智能的一種新形態，也是人工智能重要的研究手段。人類的大腦被認為是最高級的生物智能系統，它具有感知、識別、學習、聯想、記憶、推理等功能。大腦的這些功能與其結構存在著對應關系。類腦計算機就是以物理的形態實現這種對應關系，它以神經元作為基本計算和存儲單元，利用神經元之間的突觸連接傳遞信息，模擬神經突觸的強度變化，其分布式的存儲和計算單元直接相連構成大規模神經網絡計算系統。

“類腦計算系統是基于神經形態工程，借鑒人腦信息處理方式，打破‘馮·諾依曼’架構束縛，適于實時處理非結構化信息，具有學習能力的超低功耗新型計算系統。它是人工通用智能的基石，是智能機器人的核心，擁有極為廣闊的應用前景。”清華大學施路平說。

此外，北京郵電大學李德毅院士提出了反用駕駛腦的觀點，用人工智能研究腦科學。在計算模型層面，將探索更多具有生物可行性的學習機制的人工神經網絡算法。在網絡架構層面，典型的人類認知行為將通過引入網絡內的大腦樣域和子域來建模，這些域將通過學習來協調、整合和修改。目標是在多個層面、理論上模擬大腦的機制和結構，開發一個更具有普遍性的AI以應對包括多任務，自學習和自適應等方面的挑戰。