當前的腦迷信研討，僅相當於物理、化學等學科在19世紀末期的研討程度，要完全瞭解大腦，能夠是幾個世紀的事情，而不是我們這個世紀就可以到達的。明天的迷信家，尤其是計算機迷信家，把“計算”用得太狠了。
就像打了一劑強心針，當世界上第一臺逾越晚期經典計算機的光量子計算機橫空出生後，人們對人工智能時代的等待似乎有了更多的底氣：逾越經典的量子計算機有了，打敗超級計算機的量子計算機還會遠嗎？
一旦後者完成，人類將再次以計算才能為傲，窺探人類大腦的奧妙，從而掃除人工智能研討的一大妨礙。目前來看，面對人類大腦，這個雖然只要1.5公斤左右重，卻擁有1011個神經元的傢伙，讓人類一籌莫展——要模仿整個大腦的計算才能，世界上目後任何一臺計算機都難以勝任。
在近日由中國迷信院學部主辦，中國迷信院自動化研討所等協辦的“腦迷信與人工智能”迷信與技術前沿論壇上，就有不少業內人士提出這樣的遙想：建立支持深度學習的新型計算機群，已成為一些人工智能研討的必定選擇，那麼人工智能研討終究需不需求量子計算機那樣的計算才能？
“我們明天的迷信家，尤其是計算機迷信家，把‘計算’用得太狠了，對‘計算’的依賴甚至有些‘得寸進尺’了！”中國工程院院士、中國人工智能學會理事長李德毅卻在論壇上給大家潑了冷水。在他看來，人工智能學者不能只盯著“計算認知”，一味要求“人腦”研討的步伐有多快，而要拿出更多的精神放在“記憶認知”和“交互認知”上。
腦迷信能啟示人工智能的並不多？
李德毅之所以對“計算認知”不感冒，還要從谷歌公司的一則報道說起——
2015年5月15日，谷歌對外稱該公司旗下無人駕駛汽車有上百萬英里的測試經歷，大致相當於人類75年的駕齡。
“這75年的駕齡是如何‘計算’出來的？”這引發了李德毅的考慮：當無人車上路、發駕照提上日程，駕駛認知“度量”曾經成為各國交管部門燃眉之急時，腦認知該如何度量？信息是用“比特”來度量，能量是用“焦耳”來度量，那麼腦認知呢？
腦迷信學者似乎並未給出這樣的答案，人工智能學者也就無從失掉啟示。
這成了一個隱喻：腦迷信、人工智能，兩個同屬21世紀的前沿學科，在過來數十年間彼此絕對獨立，鮮有穿插。
中國迷信院外籍院士、中國迷信院神經迷信研討所所長蒲慕明在當天的論壇上也提到，不論是國際還是國外，都是如此，不過隨著研討手腕不時豐厚，研討範疇不時打破，兩者的穿插交融成為熱點，甚至呈現一個新的研討名詞，類腦智能。美國、歐盟都相繼啟動相關研討方案，中國也啟動了腦方案。他說，中國的方案是將腦迷信和人工智能結合得最為嚴密的。
比方，如今盛行的深度學習，就是基於人工神經網絡的一個使用，這些人工神經網絡都可以從神經迷信的一些規律中失掉靈感。蒲慕明說，比方可以自創神經突觸的可塑性、記憶貯存、提取與衰退，等等。
不過他也供認，目前的腦迷信研討能啟示人工智能的並不是特別多。
慕明給出一個類比，以後的腦迷信研討，僅相當於物理、化學等學科在19世紀末期的研討程度，“要完全瞭解大腦，能夠是幾個世紀的事情，而不是我們這個世紀就可以到達的。”他說。
那為何還要做類腦研討，蒲慕明說，必需要在這個時分做一些適當的使用，假設不把曾經曉得的知識使用到對腦疾病的診斷、干涉和醫治上，那麼到2050年我們的醫療零碎很能夠要面臨解體——那時你會發現依然沒有一個腦疾病可以治癒。
相應地，人工智能的使用也是如此。他說，不一定非要完全搞清楚，神經迷信一些具有階段性的效果，也可以給人工智能的開展提供啟示。
什麼是人類最重要的智能行為？
中國迷信院院士、中國迷信院自動化研討所研討員譚鐵牛就在現有的研討根底上，得出一個結論：“形式辨認”是人類最重要的智能行為，也是人工智能重要的研討內容——機器的“形式辨認”才能，在一定水平或許很大水平上反映了機器智能“類人”的水平。
在當天的論壇上，譚鐵牛舉了幾個形式辨認的例子。比方語音辨認，近些年日新月異的科大訊飛，能將維吾爾語翻譯成漢語，漢語翻譯成維吾爾語；再如步態辨認，在看不到人臉、虹膜和指紋的時分，就能經過步態在幾十米外感知到其身份。
此外，還有圖像辨認，其中具有代表性的人臉辨認，早在幾年前馬雲刷臉領取曾經引爆言論熱點。譚鐵牛自己就在停止虹膜辨認的研討，並樹立了目前國際上規模最大的共享虹膜圖像庫，被多國共享運用。他說，這不只可以用在手機上，還可在查找喪失兒童上發揚作用。
譚鐵牛說，形式辨認的技術瓶頸可經過自創生物的機理改良，將來生物啟示的形式辨認在人工智能範疇前景可期。其最終追求，是希望模仿迫近人的形式辨認，這是十分艱難的進程。
他也提到，形式辨認的次要瓶頸在於魯棒性、自順應性和可泛化性。
魯棒性，說白了，就是人工智能“夠不夠皮實”“是不是略微有點擾動，就會出錯”。譚鐵牛舉了一個例子，比方在酒會上聊天，背景樂音比擬多，假如想聽清其中某一團體的聲響，就要疏忽或許抑制背景中其他對話的攪擾——人類可以做到這一點，也就是聽覺零碎所謂的雞尾酒效應，但人工智能可以嗎？
所謂自順應性，則比擬容易瞭解，譚鐵牛說，人類的眼睛會隨著燈光的變化、環境的變化停止調整，這闡明自順應性十分強。這一點可以使用到人工智能上，比方人臉辨認，有一位冤家十幾年甚至幾十年沒見，再見面能否還能認出來？他說，現有的形式辨認在這方面還不是很理想。
可泛化性，說白了就是“觸類旁通”。譚鐵牛說，當小孩看法蘋果後，即使只記住了一次，也可以辨認其他類型的蘋果，這闡明人類看到一個東西后，不只知其然，還知其所以然。而知其所以然，就是人工智能範疇所說的“深度學習”。但目前的人工智能深度學習，必需樹立在少量數據的根底之上，這一點也有待進一步研討。
譚鐵牛說，要處理這3個成績，關鍵還是看人類自身，在微觀層面上，人工智能的形式辨認可自創人類的神經元，神經元有興奮性、抑制性、功用可塑性和傳達性。迷信家遭到這個啟示，加強了形式辨認靜態零碎的波動性。
無人駕駛是人工智能的打破口？
李德毅曾經找到了一個理論的打破口：自動駕駛。他說，無論是對話、詩詞或許駕駛，圖靈測試都允許測試者現場介入，斷定後果都帶有近似性和客觀性。但是，和對話、詩詞測試相比，駕駛的圖靈測試可以停止更為準確、更為客觀的評測。
他說，現在汽車被創造出來的時分，人們最感興味的是汽車的構造、機械、傳動、輪胎、底盤和車身。到20世紀，人們感興味的則是發起機、碳排放和主動平安。到20世紀末、21世紀初，人們總體上關懷3件事情，輕量化、清潔化、智能化。
所謂智能化，在他看來有4個階段，第一是感性輔佐駕駛，以人駕為主；第二是自動駕駛，部分時段可以放開手和腳；第三是自動駕駛，即用自動駕駛接收駕駛權；第四是人機協同駕駛。
在李德毅看來，無人駕駛，難在擬人。
他感慨：汽車是從馬車演化而來，作為動力工具，汽車的馬力可以到達100匹馬力，但汽車遠遠不如馬應對不同的負荷、天氣、路面，以及不同車輛狀況下的順應才能。說白了，汽車的感知、認知才能遠遠不如馬這個認知主體，“乳臭未乾，車不如馬！”
李德毅說，其基本成績不在於車而在於人，要處理人的成績，就要讓駕駛員的認知可以用機器人替代，讓機器人具有記憶、決策和行為才能，於是新的概念發生了——“駕駛腦”。
“駕駛腦”不等於駕駛員腦，“駕駛腦”是要做駕駛員的智能代理，要去完成包括記憶認知、計算認知和交互認知在內的駕駛認知，他說，這應該是人工智能時代最有意義的課題之一。