虽然人工智能在一些方面的表现已超越了人类，但这不代表它真的很聪明。相反，很多时候它还很傻很天真，仍然需要向人脑学习。
　　近期，以“类脑计算与人工智能”为主题的香山科学会议在香港科技大学召开，来自脑科学、神经科学以及人工智能方向的30多位与会专家，讨论了如何将人工智能和脑计算相互融合、相互促进，实现从脑启发到通用人工智能的演进。
　　类脑智能是人工智能的良药
　　近年来，人工智能在发展过程中仍有一系列技术难题需要克服。比如，机器学习不灵活，需要大规模人工标注的高质量样本数据；训练模型需要很大的计算开销；人工智能仍然缺乏高级认知能力和举一反三的学习能力。
　　香港科技大学杨强教授表示，机器学习是人工智能领域的核心内容，但是，当前的机器学习与人脑的学习能力相比还存在显著差异，尤其在可解释性、推理能力、举一反三能力等方面，与人脑相比还存在明显差距。目前科学家们把更多期待投入到类脑智能上，他们认为智能技术可以借鉴脑科学和神经科学，对人脑认知神经机制的理解可能为新一代人工智能算法和器件的研发带来新启发，为信息智能领域的产业升级带来颠覆性的变革突破。
　　“近年來，脑与神经科学、认知科学的进展使得人们在脑区、神经微环路、神经元等不同尺度观测的各种认知任务中，获取脑组织的部分活动数据已成为可能，获知人脑信息处理过程不再仅凭猜测，通过多学科交叉和实验研究获得的人脑工作机制更具可靠性。因此，脑科学有望为机器学习、类脑计算的突破提供借鉴。”中国科学院神经科学研究所蒲慕明院士说。
　　信息处理要模拟人脑
　　所谓类脑计算是借鉴人脑存储处理信息的方式发展起来的新技术，它通过仿真、模拟和借鉴大脑生理结构和信息处理过程的装置、模型和方法，制造类脑计算机和类脑智能。
　　香港科技大学叶玉如院士表示，类脑智能是人工智能的一种新形态，也是人工智能重要的研究手段。人类的大脑被认为是最高级的生物智能系统，它具有感知、识别、学习、联想、记忆、推理等功能。大脑的这些功能与其结构存在着对应关系。类脑计算机就是以物理的形态实现这种对应关系，它以神经元作为基本计算和存储单元，利用神经元之间的突触连接传递信息，模拟神经突触的强度变化，其分布式的存储和计算单元直接相连构成大规模神经网络计算系统。
　　“类脑计算系统是基于神经形态工程，借鉴人脑信息处理方式，打破‘冯·诺依曼’架构束缚，适于实时处理非结构化信息，具有学习能力的超低功耗新型计算系统。它是人工通用智能的基石，是智能机器人的核心，拥有极为广阔的应用前景。”清华大学施路平说。
　　此外，北京邮电大学李德毅院士提出了反用驾驶脑的观点，用人工智能研究脑科学。在计算模型层面，将探索更多具有生物可行性的学习机制的人工神经网络算法。在网络架构层面，典型的人类认知行为将通过引入网络内的大脑样域和子域来建模，这些域将通过学习来协调、整合和修改。目标是在多个层面、理论上模拟大脑的机制和结构，开发一个更具有普遍性的AI以应对包括多任务、自学习和自适应等方面的挑战。
　　（本文转自《科技日报》）