人工智能的“脑洞”究竟有多大

就像是在手臂上开了一枪。当世界上第一台超越早期经典计算机的光量子计算机诞生时，人们似乎对人工智能时代更有信心：超越经典计算机的量子计算机已经建立，击败超级计算机的量子计算机还会远远落后吗？

一旦后者实现，人类将再次以计算能力为荣，并窥探人脑的奥秘，从而消除人工智能研究的一大障碍。目前，面对人脑，尽管它的重量只有1.5公斤左右，但它拥有1011个神经元，这让人类束手无策——世界上没有一台计算机能够模拟整个大脑的计算能力。

在最近由中国科学院学术部主办、中国科学院自动化研究所协办的“脑科学与人工智能”科技前沿论坛上，许多业内人士提出了这样的梦想：建立一个支持深度学习的新计算机团队已经成为一些人工智能研究的必然选择，那么人工智能研究是否需要量子计算机的计算能力呢？

“今天的科学家，特别是计算机科学家，使用‘计算’太难，依赖‘计算’，甚至有点‘贪得无厌’。中国工程院院士、中国人工智能学会会长李德义在论坛上泼了一盆冷水。他认为，人工智能学者不应该只关注“计算认知”，盲目地问“人脑”研究的步伐有多快，但应该把更多的精力放在“记忆认知”和“交互认知”

能启发人工智能的脑科学不多？

李德义对“计算认知”不感兴趣的原因是什么“同样来自谷歌于2015年5月15日发布的一份报告——

，谷歌称其无人驾驶汽车拥有数百万英里的测试经验，这大致相当于75年的人类驾驶经验。

“如何计算75年的驾驶经验？“这引发了李德仪的思考：当无人驾驶汽车上路，驾驶执照提上议事日程，驾驶认知的“测量”成为各国交通管理部门的一项紧迫任务时，大脑认知应该如何测量？信息用“比特”来测量，能量用“比特”来测量”“焦耳”，那么大脑认知呢？

似乎大脑科学家还没有给出这样的答案，人工智能学者也无法得到启发。

这已成为一个隐喻：大脑科学和人工智能，这两门21世纪的前沿学科，在过去几十年中相对独立。

中国科学院外籍院士、中国科学院神经科学研究所所长蒲慕明在论坛上也提到，这在国内外都是真实的。然而，随着研究方法的不断丰富和研究领域的突破，二者的交叉融合已成为热点，甚至出现了一个新的研究术语“类脑智能”。美国和欧盟相继启动了相关研究项目，中国也启动了brain项目。他说，中国的计划是将脑科学和人工智能最紧密地结合起来。

例如，流行的深度学习是一种基于人工神经网络的应用，可以从神经科学的一些定律中得到启发。普慕明举例说，我们可以从突触的可塑性、记忆的储存、提取和回归等方面学习。

然而，他也承认，目前的脑科学研究不能给人工智能带来很大的启发。

蒲慕明给出了一个类比。目前脑科学的研究水平仅相当于19世纪末物理、化学等学科的研究水平。“要完全理解大脑，可能需要几个世纪，而不是我们在本世纪所能实现的。”他说。

那我们为什么要做类似大脑的研究呢？普慕明说，我们必须在这个时候提出一些适当的申请。如果我们不将已知的知识应用于脑部疾病的诊断、干预和治疗，我们的医疗体系很可能在2050年崩溃——那时，你会发现仍然没有可以治愈的脑部疾病。

因此，人工智能的应用是相同的。他说，不必完全理解神经科学的某些阶段性成就也可以为人工智能的发展提供灵感。

人类最重要的智能行为是什么？

中国科学院院士、中国科学院自动化研究所研究员谭铁牛在现有研究的基础上得出结论：“模式识别”是人类最重要的智能行为，它也是人工智能的一个重要研究内容——机器的“模式识别”能力，在一定程度上或很大程度上反映了机器智能的“类人”程度。

在当天的论坛上，谭铁牛给出了几个模式识别的例子。例如，近年来取得快速发展的iFLYTEK语音识别技术可以将维吾尔语翻译成汉语、将汉语翻译成维吾尔语以及步态识别。当你看不到人脸、虹膜和指纹时，你可以通过步态在几十米之外感知它的身份。

此外，还有图像识别，包括代表性人脸识别。早在几年前，马云的刷牙支付就引爆了一个舆论热点。谭铁牛本人正在研究虹膜识别，建立了世界上最大的共享虹膜图像数据库，被许多国家共享和使用。他说，这不仅可以在手机上使用，还可以在寻找失踪儿童方面发挥作用。

谭铁牛表示，通过学习生物学的机理，可以改善模式识别的技术瓶颈，展望未来仿生模式识别在人工智能领域的应用前景。它的最终目标是模拟和接近人类模式识别，这是一个非常艰巨的过程。

他还提到，模式识别的主要瓶颈在于鲁棒性、适应性和通用性。

坦率地说，鲁棒性是人工智能的“足够可靠”和“如果有轻微的干扰，就会有错误”。谭铁牛举了一个例子。例如，在鸡尾酒会上聊天时，背景噪音很大。如果你想清楚地听到其中一个，你应该忽略或抑制背景中其他对话的干扰-人类可以做到这一点，即所谓的听觉系统鸡尾酒效应，但人工智能可以吗？

所谓的适应性更容易理解。谭铁牛说，人类的眼睛会随着光线和环境的变化而调整，这表明人类的适应性非常强。这可以应用于人工智能，如人脸识别。如果一个朋友已经十多年甚至几十年没有见过他，当他再次见面时，他能认出他来吗？他说，现有的模式识别在这方面不是很理想。

概括的意思是“从一个实例中推断”。谭铁牛说，当孩子们知道苹果时，他们可以识别其他类型的苹果，即使他们只记得一次，这表明当人类看到某个东西时，他们不仅知道它是什么，还知道它为什么。了解原因在人工智能领域被称为“深度学习”。然而，当前人工智能的深度学习必须基于大量的数据，这需要进一步的研究。

谭铁牛说，要解决这三个问题，关键是看人本身。在微观层面上，人工智能的模式识别可以向具有兴奋性、抑制性、功能可塑性和传播性的人类神经元学习。受此启发，科学家们增强了模式识别动态系统的稳定性。

无人驾驶是人工智能的突破吗？

李德义在实践中发现了一个突破：自动驾驶。他说，无论是对话、诗歌还是驾驶，图灵测试都允许测试者现场干预，并且判断结果是近似的和主观的。然而，与对话和诗歌测试相比，图灵驾驶测试可以做出更准确、更客观的评价。

他说，汽车发明时，人们最感兴趣的是汽车的结构、机械、传动装置、轮胎、底盘和车身。到了20世纪，人们对发动机、碳排放和被动安全感兴趣。到20世纪末21世纪初，人们普遍关心三件事：轻量化、清洁和智能化。

在他看来，所谓的智能化有四个阶段。第一种是理性辅助驾驶，主要是人工驾驶。第二种是自动驾驶。手和脚可以在局部时段释放。第三种是自动驾驶，即自动驾驶取代了驾驶权。四是人机协同驱动。

在李德义看来，无人驾驶很难拟人化。

他叹了口气：汽车是从