事實(shí)上，發(fā)展人工智能，始終是硬件和軟件雙線并行。究竟是以仿生為主線，還是以大數(shù)據(jù)基礎(chǔ)上的信息科學(xué)為主線，也成為學(xué)界關(guān)注的焦點(diǎn)。

 

　　科林的回答耐人尋味。“此前的發(fā)言中我已經(jīng)談到過(guò)，人工智能研究取得了巨大的成就，很多成就的取得依靠的是和大腦完全不一樣的機(jī)制，例如強(qiáng)大的運(yùn)算能力和海量可擴(kuò)展的存儲(chǔ)能力等等”，他說(shuō)，人工智能也可以在不加選擇的情況下同時(shí)進(jìn)行大量流程的并行運(yùn)作，大腦的運(yùn)行結(jié)構(gòu)肯定不一樣。在科林看來(lái)，科學(xué)家們所需要的，是將生物大腦以及人工智能的技術(shù)進(jìn)行中和，使后者具備更高的靈活性。

 

　　對(duì)此，中國(guó)科學(xué)院院士、中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心主任蒲慕明有不同的觀點(diǎn)。“在人工智能神經(jīng)網(wǎng)絡(luò)的發(fā)展過(guò)程中，很多基石都來(lái)自過(guò)去。有些是得益于人腦的研究，例如人腦是如何來(lái)分析信息的。”他認(rèn)為，未來(lái)人工智能領(lǐng)域的研究進(jìn)展，應(yīng)受益于更多腦科學(xué)研究成果的融入。“現(xiàn)在，我們對(duì)大腦認(rèn)識(shí)得還不夠，只能簡(jiǎn)單地模擬大腦。”他認(rèn)為，人工智能現(xiàn)在的路徑尚未達(dá)到最優(yōu)，研究者需要深入了解大腦網(wǎng)絡(luò)的優(yōu)勢(shì)，并將其應(yīng)用到機(jī)器學(xué)習(xí)的算法中。

 

　　“我想補(bǔ)充一點(diǎn)，全面了解人腦，在當(dāng)下還不太可能。”復(fù)旦大學(xué)類腦智能科學(xué)與技術(shù)研究院院長(zhǎng)馮建峰提出，“我們只能部分地、一步一步地了解人的大腦，也許要花一百年時(shí)間才能做到，或者說(shuō)永遠(yuǎn)不可能了解人類大腦全部機(jī)制和功能，但是我們可以掌握不同部分的功能，并且逐步應(yīng)用，這也是比較有效率的。”

 

　　“其實(shí)，世界上最高超的智能并不是人的大腦，或者是人工智能計(jì)算機(jī)，而是整個(gè)生物進(jìn)化機(jī)制，可以有效地學(xué)習(xí)，利用信息，收集信息，處理信息，最后能夠適應(yīng)環(huán)境并存活下來(lái)。”作為主持人，邁克爾·萊維特道出自己的想法，“如果有足夠的進(jìn)化時(shí)間，它什么都能學(xué)會(huì)。人腦經(jīng)過(guò)進(jìn)化已經(jīng)能夠非常高效地處理數(shù)據(jù)了，可以用更少的參數(shù)來(lái)完成信息的處理和決策。”

 

　　討論依然沒(méi)有結(jié)果。正如在人工智能最前沿的學(xué)界，來(lái)自生命科學(xué)、計(jì)算機(jī)科學(xué)、信息技術(shù)、大數(shù)據(jù)等多個(gè)領(lǐng)域的專家正在以自己的研究實(shí)踐，坦誠(chéng)表達(dá)觀點(diǎn)，共同求解“人工智能如何前進(jìn)，又該走向何方”這道命題。