在復旦大學舉行的類腦人工智能主題論壇上，復旦類腦智能科學與技術研究院院長馮建峰介紹，傳統人工智能，主要依靠機器學習算法，通過計算機強大的運算能力，將判斷決策行為從大量的數據中進行抽象和總結，轉化為一類特定的計算模型，最終實施在特定的應用中。但是，傳統智能的問題在于：知識引導方法長于推理，但是難以拓展;數據驅動模型善于預測識別，其過程卻難以理解。如何有機協調數據驅動人工智能與知識引導人工智能的各自優勢，探索有機結合邏輯、先驗、知識以及數據的模型與方法，形成解釋性強以及數據依賴靈活的人工智能，是當前面臨的難點問題。
腦科學研究發現：為了應對各種認知任務，大腦要在短時間內保存和處理各種感興趣信息，完成這個過程的大腦系統就是“工作記憶”。工作記憶是形成語言理解、學習與記憶、推理和計劃等復雜認知能力的基礎。此外，基于生物層面的神經突觸信號傳遞作用機制、腦區間環路特征、腦信息表達與處理、腦結構和功能圖譜、腦重大疾病發病的環路機制等成為研究熱點，這些都為人工智能的突破性發展提供了新的方向。
未來，如果能夠“破譯”大腦信息處理與神經編碼的原理，再通過信息技術予以參照、模擬和逆向工程，那么，就將建成以“類腦智能引領人工智能發展”為標志的新一代人工智能，隨著腦芯片等新技術的出現，人類將產生新動能、新生活。
英國倫敦大學高等研究院感知學習中心主任科林·布萊克莫爾表示，與25萬年前相比，人類大腦的結構沒什么大的變化，但容量卻發生了劇變，一直處于進化中。現在我們了解到，大腦的一些部位具有特殊功能。這位專家介紹，在一次實驗中，他把正常人和拉小提琴拉弦樂的人的左手進行了比較，如果是拉弦樂的話，其左手需要做很多相關的肌肉記憶，如果小提琴拉得越早，大腦方面跟手指相關的區域就會越大。
布萊克莫爾教授指出，顯然，人腦的許多功能皆有可能應用于新一代的人工智能中。人腦從社交過程中獲取新的信息和新的能力，因為人在生活中會接觸到其他的人，接觸到其他人過去的歷史，因此也會對自身的大腦產生一些反饋和影響。那么，未來機器智能有這些能力嗎?機器智能能不能獲得像人類一樣的情感呢?人類對外部世界的探索，能不能被移植到機器智能上面，通過機器智能自主地探索，會不會也能增加機器智能程度呢?
當機器擁有人一樣的大腦，當神經生物學原理發展而來的腦啟發智能算法應用普及之后，一切皆有可能。
京公網安備 11010502049343號