就像打了一劑強心針，當世界上第一臺跨越早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候似乎有了更多的底氣：跨越經典的量子計算機已經有了，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幹為傲，窺探人類大腦的微妙，從而掃除人工智能研討的一大阻礙。目前來看，面對人類大腦，這個雖然只需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——要模擬整個大腦的計算才幹，世界上目前任何一臺計算機都難以勝任。
在近日由中國科學院學部主辦，中國科學院自動化研討所等協辦的“腦科學與人工智能”科學與技術前沿論壇上，就有不少業內人士提出這樣的遐想：樹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肯定選擇，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幹？
“我們今天的科學家，尤其是計算機科學家，把‘計算’用得太狠了，對‘計算’的依賴甚至有些‘得隴望蜀’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，而要拿出更多的肉體放在“記憶認知”和“交互認知”上。
腦科學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閱歷，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？”這引發了李德毅的思索：當無人車上路、發駕照提上日程，駕駛認知“度量”已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？
腦科學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：腦科學、人工智能，兩個同屬21世紀的前沿學科，在過去數十年間彼此相對獨立，鮮有交叉。
中國科學院外籍院士、中國科學院神經科學研討所所長蒲慕明在當天的論壇上也提到，不管是國際還是國外，都是如此，不過隨著研討伎倆不時豐厚，研討範圍不時打破，兩者的交叉融合成為熱點，甚至出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，中國的方案是將腦科學和人工智能結合得最為緊密的。
比如，如今盛行的深度學習，就是基於人工神經網絡的一個運用，這些人工神經網絡都可以從神經科學的一些規律中失掉靈感。蒲慕明說，比如可以自創神經突觸的可塑性、記憶儲存、提取與衰退，等等。
不過他也招認，目前的腦科學研討能啟示人工智能的並不是特別多。
蒲慕明給出一個類比，當前的腦科學研討，僅相當於物理、化學等學科在19世紀末期的研討水平，“要完全理解大腦，可以是幾個世紀的事情，而不是我們這個世紀就可以抵達的。”他說。
那為何還要做類腦研討，蒲慕明說，必需求在這個時分做一些適當的運用，假定不把已經知道的知識運用到對腦疾病的診斷、干預和治療上，那麼到2050年我們的醫療系統很可以要面臨崩潰——那時你會發現仍然沒有一個腦疾病可以治癒。
相應地，人工智能的運用也是如此。他說，不一定非要完全搞清楚，神經科學一些具有階段性的效果，也可以給人工智能的展開提供啟示。
什麼是人類最重要的智能行為？
中國科學院院士、中國科學院自動化研討所研討員譚鐵牛就在現有的研討基礎上，得出一個結論：“方式識別”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“方式識別”才幹，在一定程度或許很大程度上反映了機器智能“類人”的程度。
在當天的論壇上，譚鐵牛舉了幾個方式識別的例子。比如語音識別，近些年一日千里的科大訊飛，能將維吾爾語翻譯成漢語，漢語翻譯成維吾爾語；再如步態識別，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，還有圖像識別，其中具有代表性的人臉識別，早在幾年前馬雲刷臉支付已經引爆言論熱點。譚鐵牛本人就在中止虹膜識別的研討，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，方式識別的技術瓶頸可經過自創生物的機理改進，未來生物啟示的方式識別在人工智能範圍前景可期。其最終追求，是希望模擬逼近人的方式識別，這是非常困難的進程。
他也提到，方式識別的主要瓶頸在於魯棒性、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”“是不是稍微有點擾動，就會出錯”。譚鐵牛舉了一個例子，比如在酒會上聊天，背景噪音比較多，假設想聽清其中某一集團的聲響，就要忽略或許抑制背景中其他對話的煩擾——人類可以做到這一點，也就是聽覺系統所謂的雞尾酒效應，但人工智能可以嗎？
所謂自順應性，則比較容易理解，譚鐵牛說，人類的眼睛會隨著燈光的變化、環境的變化中止調整，這說明自順應性非常強。這一點可以運用到人工智能上，比如人臉識別，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，現有的方式識別在這方面還不是很理想。
可泛化性，說白了就是“舉一反三”。譚鐵牛說，當小孩看法蘋果後，即便只記住了一次，也可以識別其他類型的蘋果，這說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，就是人工智能範圍所說的“深度學習”。但目前的人工智能深度學習，必需樹立在大批數據的基礎之上，這一點也有待進一步研討。
譚鐵牛說，要處置這3個成果，關鍵還是看人類本身，在微觀層面上，人工智能的方式識別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。科學家遭到這個啟示，增強了方式識別靜態系統的動搖性。
無人駕駛是人工智能的打破口？
李德毅已經找到了一個實際的打破口：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，判定結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中止更為精確、更為客觀的評測。
他說，如今汽車被髮明出來的時分，人們最感興味的是汽車的結構、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、碳排放和自動安全。到20世紀末、21世紀初，人們總體上關心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，第一是理性輔佐駕駛，以人駕為主；第二是自動駕駛，局部時段可以放開手和腳；第三是自動駕駛，即用自動駕駛接納駕駛權；第四是人機協同駕駛。
在李德毅看來，無人駕駛，難在擬人。
他慨嘆：汽車是從馬車演化而來，作為動力工具，汽車的馬力可以抵達100匹馬力，但汽車遠遠不如馬應對不同的負荷、天氣、路面，以及不同車輛情況下的順應才幹。說白了，汽車的感知、認知才幹遠遠不如馬這個認知主體，“年幼無知，車不如馬！”
李德毅說，其根本成果不在於車而在於人，要處置人的成果，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、決策和行為才幹，於是新的概念發作了——“駕駛腦”。