曾毅：它可以让我们初步模拟老鼠大脑，包括7100万个或兴奋或压抑的神经体，1900亿个突触，和213个脑区域。我们也在研发强化神经网络模型（spiking neural network），这一模型具有认知功能，比如模式识别、推理和演绎，强化学习，还有工作记忆（working memory）。并行大脑模拟器也是一系列认知机器人的“大脑”，这个人工大脑的多个区域可以相互协调执行各种认知任务。

　　跟脑科学和智能技术卓越创新中心其他成员合作，我们还发布了联合大脑数据“Linked Brain Data”——这是用于大脑、神经科学、人工智能研究的一个知识引擎。致力于在不同层面提取、集成和分析在神经科学、心理学和认知科学研究方面的大脑知识。更特别的是，我们建立了一个大脑关联图，在多层面和多视角提供关于各种大脑建立区域（building blocks）、认知功能和大脑疾病的关联。

　　挑战

　　蒲慕明：主要的挑战有哪些？中国需要怎么提高研究成果？

　　谭铁牛：人工智能和计算机科学、神经科学、认知科学和心理学息息相关。应该要有一个平台让来自不同学科的科学家可以经常互动并交流想法，这样最新的进展就可以让各个领域都知晓。所有的群体要认识到，他们可以从其它领域获得启发和灵感，只有这样他们才会有合作的动机。

　　蒲慕明：我观察到我们有一个很大的神经科学群体和一个很大的人工智能群体。但是在大会上他们很少聚在一起。

　　查红彬：这在中国是一个大问题。教育本身有部分原因，专业区分非常的狭隘。这就导致，我们的科学家会有一个很狭隘的观点，也很少对他们所研究领域之外的东西感兴趣。

　　蒲慕明：这个观点不错，但是我们也正在改进这个问题。中科院正在探索所谓的双导师体系。研究生有两个来自不同研究领域的导师，学生必须在每个实验室都花足够的时间。从人工智能方面看，同时在神经科学和计算科学上得到训练是非常重要的。这样的教育必须尽早开始。

　　陈云霁：这是个好主意。但是我认为这应该从本科生教育开始，设置更广泛和更灵活的教育机制，给学生更多的自由追求他们的兴趣。

　　蒲慕明：我认同。现在的本科生教育太专业化了。他们有很多专业课，但是常常毕业之后不得不切换到一个不同的领域。在我看来，研究者会经常切换领域。这是个常态而不是什么例外，有创意的想法就是这么产生的。

　　我们缺乏重大突破

　　蒲慕明：我们的人工智能研究比起发达国家怎么样？、

　　陈云霁：对比西方国家，中国的优势在于我们有一个巨大的市场，并且发展的非常快。这种对基础研究有一定推动作用。中国问题在于，人们倾向于跟随西方国家的潮流。我认为应该在我们认为有前景的、但是不是那么潮流或者短期内没有明显用处的领域努力数十年。比如，也许我们应该更多专注于认知人工智能，这一领域有任何突破都会引发革命性冲击。

　　曾毅：正如我们所讨论的，脑启发人工智能不是什么新鲜事。有些研究者用计算机模型研究认知心理学已经数十年了，现在人工智能领域用到了这些成果。我很同意陈云霁的观点，用数十年研究一个有效的人工智能系统。当前，中国非常缺乏这样的长期努力。中科院脑科学和智能技术卓越创新中心正在朝这个方向努力。

　　谭铁牛：中国在某些领域例如模式识别领域做了很多年，虽然它们直到最近才被称为脑启发人工智能。中国为此投入的资源非常可观，有着大量的研究力量和和大量的出版物。但是我们总追随西方，总关注于已有技术的一点小小提升。我们缺乏重大的突破，显然我们落后于西方国家。

　　蒲慕明：这是为什么呢？

　　谭铁牛：这要归因于中国战略框架和评估体系。还跟国家的科学文化特别是急功近利的心态也有关系。