编译：弗格森 序媛

　　：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】近日，中科院在其第一份英文科技类综述期刊 National Science Review（国家科学评论）上发布了一篇名《中国人工智能研究与发展》的文章。记录了蒲慕明、谭铁牛、陈云霁、曾毅、查红彬这5位研究者对当前中国人工智能发展的分析，讨论的主题包括“脑启发”式人工智能研究、人工智能的本质——可塑性、中国人工智能研究面临的主要挑战和与国外研究的差距等问题。

　　（文/Jane Qiu） 2016年，在人工智能的发展上，2016年我们看到了几个里程碑式的发展。今年3月，谷歌 DeepMind 的计算机程序 AlphaGo 战胜了围棋世界冠军李世石。10月，这家公司在Nature上展示了其最新的人工智能技术，让机器可以解决逻辑和推理的问题，比如在伦敦地铁里使用从来没见过的地图进行导航。

　　近年来的这些技术进展提供的巨大推动力，被用于全世界范围内发展界最前沿的学习机器。2015年，中国科学院（CAS）成立了脑科学与智能技术卓越创新中心。2016年年初，中国推出了“中国大脑计划”，这是一个为期15年的项目，关注脑图谱、神经学疾病和脑启发人工智能。

　　中科院神经神经科学所所长蒲慕明担任主席的一个论坛上，中科院副院长谭铁牛、北京大学机器感知与智能教育部重点实验室主任查红彬、中科院自动化所曾毅、中科院计算所陈云霁几位专家讨论了中国人工智能的最新研究和进展，未来会走向何方，以及面临的主要的挑战。

　　人类大脑与学习机器

　　蒲慕明：对于人工智能来说，今年是值得兴奋的一年。我有一个基本的问题：在我们离真正地完全理解人类大脑还有很长的路要走的情况下，我们现在该怎么做？

　　曾毅：我认为用“大脑启发的”来描述人工智能研究是非常精确的，这也是未来我们开发模型的基本方法。但是，人类的大脑是不断进化的产物，目前还没有完整地被优化。这是我为什么强调我们并不需要真的去复制大脑里的所有东西。我们需要借鉴大脑的运行机制，启发人工智能模型来提高性能和扩展认知能力，这看起来是非常独特和有用的。当然，在理解大脑这件事上，我们还处在非常早期的阶段。要真正地理解大脑的工作原理，可能还要花上几百年。但是我们现在也确实了解了一些：比如，多层次可塑性规则（ plasticity principle at multiple scales）。并且，这些优秀的功能目前还并没有被融入到当下的人工智能模型和系统中。

　　陈云霁：我有一些不同的观点 ，因为我的研究主要聚焦于硬件。但是我同意：人工智能的发展需要长期的努力，在这个过程中，我们要不断地把已有知识融入其中，而不是等待直到某天我们能真正地理解人脑（才展开行动）。人工智能应该是应用驱动的、致力于解决具体实际问题的。

　　蒲慕明：谈到脑启发的人工智能，其实，在例如机器感知这些领域，人们早在20世纪40年代就已经开始研究了。但可塑性规则是一个相对较新的发现。

　　谭铁牛：确实。人工智能并不是一个新的话题。当下人工智能非常热，一部分是由于神经科学上的进步。虽然脑启发的人工智能研究方法很有潜力，但是可能这并不是发展会学习的机器的唯一方式。

　　蒲慕明：媒体在引导公众的想象上扮演了很重要的角色，比如在报道三月份AlphaGo的胜利时便是。但是，这种情况也说明了在这一领域有一种些事需要澄清：那就是目前的机器并没有那么有效，并且需要巨大的计算能力支撑（很少有人能承担AlphaGo所需要的运算能力）。当能源变得越来越短缺时，这个问题就会变得尤为突出。所以很多研究者都转向了人类的大脑（寻求启发），因为人类的大脑是非常高效的。

　　谭铁牛：公众对类似AlphaGo这样的机器的反应存在一些错位。要知道，让机器在围棋上战胜人类并没有那么难。