當許多人熱議人工智能、類腦仿生時，或許也該知道一個相關(guān)的冷門知識——如果將大腦活動時的生物電狀態(tài)轉(zhuǎn)換成普通電流，功率約是20瓦。
昨天，世界人工智能大會類腦人工智能主題論壇圓桌會議上，因為“怎樣向這個功率20瓦的大腦學習并發(fā)展人工智能”這個問題，來自腦研究領域和信息科技研究領域的“大牛”們“吵架”了。
“大腦研究和人工智能是如何相互啟迪的？”會議主持人、2013年諾貝爾化學獎得主、斯坦福大學結(jié)構(gòu)生物學教授邁克爾·萊維特發(fā)問，并點名請英國皇家學會會士、英國倫敦大學高等研究院感知學習中心主任科林·布萊克莫爾首先來談談看法。
事實上，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)基礎上的信息科學為主線，也成為學界關(guān)注的焦點。
科林的回答耐人尋味。“此前的發(fā)言中我已經(jīng)談到過，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制，例如強大的運算能力和海量可擴展的存儲能力等等”，他說，人工智能也可以在不加選擇的情況下同時進行大量流程的并行運作，大腦的運行結(jié)構(gòu)肯定不一樣。在科林看來，科學家們所需要的，是將生物大腦以及人工智能的技術(shù)進行中和，使后者具備更高的靈活性。
對此，中國科學院院士、中國科學院腦科學與智能技術(shù)卓越創(chuàng)新中心主任蒲慕明有不同的觀點。“在人工智能神經(jīng)網(wǎng)絡的發(fā)展過程中，很多基石都來自過去。有些是得益于人腦的研究，例如人腦是如何來分析信息的。”他認為，未來人工智能領域的研究進展，應受益于更多腦科學研究成果的融入。“現(xiàn)在，我們對大腦認識得還不夠，只能簡單地模擬大腦。”他認為，人工智能現(xiàn)在的路徑尚未達到最優(yōu)，研究者需要深入了解大腦網(wǎng)絡的優(yōu)勢，并將其應用到機器學習的算法中。
“我想補充一點，全面了解人腦，在當下還不太可能。”復旦大學類腦智能科學與技術(shù)研究院院長馮建峰提出，“我們只能部分地、一步一步地了解人的大腦，也許要花一百年時間才能做到，或者說永遠不可能了解人類大腦全部機制和功能，但是我們可以掌握不同部分的功能，并且逐步應用，這也是比較有效率的。”
“其實，世界上最高超的智能并不是人的大腦，或者是人工智能計算機，而是整個生物進化機制，可以有效地學習，利用信息，收集信息，處理信息，最后能夠適應環(huán)境并存活下來。”作為主持人，邁克爾·萊維特道出自己的想法，“如果有足夠的進化時間，它什么都能學會。人腦經(jīng)過進化已經(jīng)能夠非常高效地處理數(shù)據(jù)了，可以用更少的參數(shù)來完成信息的處理和決策。”
討論依然沒有結(jié)果。正如在人工智能最前沿的學界，來自生命科學、計算機科學、信息技術(shù)、大數(shù)據(jù)等多個領域的專家正在以自己的研究實踐，坦誠表達觀點，共同求解“人工智能如何前進，又該走向何方”這道命題。
