腦科學(xué)與人工智能技術(shù)融合發(fā)展研究

徐晨

國(guó)家工業(yè)信息安全發(fā)展研究中心，北京，100040

0 引言

仿人智能技術(shù)以實(shí)現(xiàn)人類智能為目標(biāo)，能解決當(dāng)前人工智能技術(shù)發(fā)展所面臨的數(shù)據(jù)、泛化、能耗等瓶頸難題，將對(duì)未來(lái)國(guó)防、經(jīng)濟(jì)等領(lǐng)域發(fā)展產(chǎn)生重要影響。因此，仿人智能技術(shù)已成為近年來(lái)學(xué)術(shù)界和業(yè)界的一個(gè)重要研究熱點(diǎn)。

近年來(lái)，美、日等國(guó)均結(jié)合本國(guó)實(shí)際情況制定了“腦科學(xué)”研究計(jì)劃，以探索腦科學(xué)精髓，推進(jìn)仿人智能技術(shù)發(fā)展進(jìn)程。美國(guó)2013年啟動(dòng)“通過(guò)推動(dòng)創(chuàng)新型神經(jīng)技術(shù)開(kāi)展大腦研究計(jì)劃”（BRAIN），預(yù)計(jì)10年內(nèi)將投入45億美元，旨在揭示腦工作原理和腦重大疾病發(fā)生機(jī)制，了解大腦和機(jī)體如何產(chǎn)生思維、情緒和感覺(jué)，重點(diǎn)開(kāi)展大腦結(jié)構(gòu)建模、類腦理論建模、腦機(jī)接口等研究。同年，歐盟啟動(dòng)“人類腦計(jì)劃”（HBP），預(yù)計(jì)10年內(nèi)投入10億歐元，旨在用超級(jí)計(jì)算機(jī)模擬人類大腦，用于研究人腦工作機(jī)制和未來(lái)腦疾病治療，重點(diǎn)開(kāi)展人腦模擬、神經(jīng)形態(tài)計(jì)算、神經(jīng)機(jī)器人等研究，并借此推動(dòng)腦智能的發(fā)展。日本2014年啟動(dòng)“使用整合性神經(jīng)技術(shù)制作有助于腦疾病研究的大腦圖譜”（Brain/MINDS）項(xiàng)目，預(yù)計(jì)10年內(nèi)投入3.65億美元，旨在使用狨猴為動(dòng)物模型，繪制從宏觀到微觀的腦聯(lián)結(jié)圖譜，并以基因操作手段，建立腦疾病的狨猴模型。此外，韓國(guó)“腦科學(xué)研究戰(zhàn)略”、澳大利亞“大腦聯(lián)盟”等都對(duì)腦智能研究進(jìn)行了部署[1-4]。

當(dāng)前，仿人智能技術(shù)已取得了一些技術(shù)突破和應(yīng)用成果，其發(fā)展熱點(diǎn)主要聚焦于腦科學(xué)、類腦計(jì)算芯片、人工神經(jīng)網(wǎng)絡(luò)、腦機(jī)接口等方面。

1 發(fā)展現(xiàn)狀

1.1 腦科學(xué)研究助力人工智能技術(shù)實(shí)現(xiàn)突破，但仍有眾多“未解之謎”

人工智能技術(shù)的多次突破都與嘗試借鑒腦結(jié)構(gòu)機(jī)理和行為特征密不可分，如谷歌Deep Mind Alpha產(chǎn)品的成功就是從動(dòng)物學(xué)習(xí)的研究中汲取的靈感，計(jì)算機(jī)視覺(jué)領(lǐng)域的卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)靈感則來(lái)自視覺(jué)皮層的結(jié)構(gòu)。因此，進(jìn)一步開(kāi)發(fā)腦認(rèn)知功能、挖掘腦信息處理機(jī)制和原理、建立腦結(jié)構(gòu)模型，將有助于人工智能在技術(shù)瓶頸上實(shí)現(xiàn)新突破。

腦科學(xué)研究主要從生物醫(yī)學(xué)角度對(duì)腦可塑性、腦功能結(jié)構(gòu)、腦圖譜等腦工作機(jī)制進(jìn)行深入研究，并以此為仿人智能建模提供生理學(xué)原理、數(shù)據(jù)和機(jī)制。目前，國(guó)外大腦圖譜繪制及神經(jīng)元連接機(jī)制研究主要以線蟲(chóng)、果蠅以及小型哺乳動(dòng)物等為樣本，并已完成了大部分腦圖譜的繪制工作。2019年，美國(guó)哥倫比亞大學(xué)團(tuán)隊(duì)成功繪制出秀麗隱桿線蟲(chóng)（腦細(xì)胞占比超過(guò)30%）全部神經(jīng)元的完整圖譜以及全部神經(jīng)元之間所有的7000個(gè)連接，解釋了信息在線蟲(chóng)神經(jīng)網(wǎng)絡(luò)里的傳遞流程與規(guī)律，對(duì)解密大腦功能產(chǎn)生機(jī)理具有重要意義；美國(guó)谷歌公司基于果蠅的大腦切片，自動(dòng)重建了40萬(wàn)億像素的果蠅大腦神經(jīng)圖，加速了果蠅大腦的學(xué)習(xí)、記憶和感知機(jī)理的研究；德國(guó)馬克斯·普朗克腦研究所重建了約50萬(wàn)立方微米體積的小鼠桶狀皮質(zhì)神經(jīng)網(wǎng)絡(luò)，首次闡釋了哺乳動(dòng)物神經(jīng)元的連接機(jī)理，為進(jìn)一步探明大腦高效計(jì)算原理奠定基礎(chǔ)。

此外，腦研究還在持續(xù)發(fā)現(xiàn)一些新的現(xiàn)象。2019年，美國(guó)艾倫腦科學(xué)研究所針對(duì)小鼠大腦視覺(jué)皮層中近6萬(wàn)個(gè)神經(jīng)元研究發(fā)現(xiàn)，近90%的神經(jīng)元并不按傳統(tǒng)模型做出反應(yīng)，小鼠的視覺(jué)皮層的工作機(jī)制比想象要復(fù)雜得多；2020年，加州大學(xué)洛杉磯分校發(fā)現(xiàn)人腦最外層的樹(shù)突細(xì)胞會(huì)產(chǎn)生“尖峰”電信號(hào)，是否為人類智能專屬尚未定論；瑞典卡羅琳學(xué)院對(duì)大腦中表達(dá)的所有蛋白質(zhì)進(jìn)行了全面概述，揭示了人與動(dòng)物大腦之間存在著眾多差異，意味著選擇動(dòng)物作為人類精神和神經(jīng)疾病的模型時(shí)應(yīng)謹(jǐn)慎行事[1,5]。

當(dāng)前，腦科學(xué)研究受解剖技術(shù)、顯微成像技術(shù)、弱信號(hào)檢測(cè)技術(shù)的限制，仍處在初步探索階段，人類對(duì)大腦的認(rèn)知極為有限，眾多腦現(xiàn)象還難以解釋，如傳統(tǒng)腦模型失效、異常腦信號(hào)等。此外，人類大腦難以獲取和保存，迫使只能選擇低智能大腦作為研究樣本，人腦智能的精髓還很難被真正觸及。

1.2 類腦計(jì)算芯片突破“馮諾依曼”瓶頸，制備工藝技術(shù)是實(shí)現(xiàn)產(chǎn)業(yè)化的最大難題

人工智能技術(shù)的進(jìn)步伴隨著數(shù)據(jù)信息處理量的爆發(fā)性增長(zhǎng)，基于“馮諾依曼”架構(gòu)的傳統(tǒng)芯片面臨“存儲(chǔ)墻”、功耗、散熱等技術(shù)瓶頸，嚴(yán)重影響計(jì)算能力提升。因此，人們?cè)噲D借鑒大腦運(yùn)算機(jī)制，設(shè)計(jì)出低功耗高功效、性能接近或優(yōu)于人腦的通用計(jì)算芯片。

類腦計(jì)算芯片是借鑒大腦在行使記憶、學(xué)習(xí)和認(rèn)知決策功能時(shí)的多模態(tài)信息編碼-解碼原理發(fā)展起來(lái)的新型信息處理芯片，旨在像腦一樣以低功耗和高效率，通用地、智能地解決各種復(fù)雜非結(jié)構(gòu)化信息處理問(wèn)題。類腦計(jì)算芯片的技術(shù)發(fā)展包括三個(gè)層次：結(jié)構(gòu)層次模仿腦、器件層次逼近腦、智能層次超越腦。其中，結(jié)構(gòu)層次模仿腦是指將大腦作為物質(zhì)和生理對(duì)象進(jìn)行解析，獲得基本單元（各類神經(jīng)元和突觸等）功能及其連接關(guān)系（網(wǎng)絡(luò)結(jié)構(gòu)）；器件層次逼近腦是指研制能夠模擬神經(jīng)元和突觸功能的器件，從而在有限的物理空間和功耗條件下構(gòu)造出人腦規(guī)模的神經(jīng)網(wǎng)絡(luò)系統(tǒng)；智能層次超越腦是指通過(guò)對(duì)類腦計(jì)算機(jī)進(jìn)行信息刺激、訓(xùn)練和學(xué)習(xí)，使其產(chǎn)生與人腦類似的智能甚至涌現(xiàn)自主意識(shí)，實(shí)現(xiàn)更高智能。

近年來(lái)，類腦計(jì)算芯片已研發(fā)出樣機(jī)，并在實(shí)驗(yàn)室實(shí)現(xiàn)了小規(guī)模應(yīng)用。2017年，美國(guó)空軍研究實(shí)驗(yàn)室（AFRL）宣布與美國(guó)IBM公司合作研發(fā)由64個(gè)“真北”類腦芯片組成的全新類腦超級(jí)計(jì)算機(jī)系統(tǒng)；2019年8月，清華大學(xué)研發(fā)出第二代“天機(jī)芯”（Tianjic）類腦芯片，已成功在一輛無(wú)人駕駛自行車上實(shí)現(xiàn)了實(shí)時(shí)視覺(jué)目標(biāo)探測(cè)、目標(biāo)追蹤、自動(dòng)過(guò)障和避障、自適應(yīng)姿態(tài)控制、語(yǔ)音理解控制、自主決策等功能；2020年3月，美國(guó)英特爾公司（Intel）宣布研制出“Pohoiki Springs”系統(tǒng)，由768塊“Loihi”芯片集成，擁有1億個(gè)“神經(jīng)元”，計(jì)算能力相當(dāng)于小型哺乳動(dòng)物的大腦水平；2020年5月，馬薩諸塞大學(xué)和美空軍實(shí)驗(yàn)室（AFRL）聯(lián)合開(kāi)發(fā)出由八層憶阻器堆疊構(gòu)成的“類腦”計(jì)算電路，可直接在硬件上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)計(jì)算，實(shí)現(xiàn)復(fù)雜的機(jī)器學(xué)習(xí)算法，并在手寫(xiě)數(shù)字和移動(dòng)物體邊緣輪廓識(shí)別方面達(dá)到了媲美軟件的精度[6]。

當(dāng)前，類腦計(jì)算芯片的性能開(kāi)發(fā)還有很大的上升空間，其技術(shù)發(fā)展也呈現(xiàn)出多種路線并行發(fā)展的態(tài)勢(shì)，如基于非易失性器件和基于憶阻器，雖已實(shí)現(xiàn)小規(guī)模實(shí)驗(yàn)應(yīng)用，但技術(shù)發(fā)展仍處于初級(jí)階段。此外，腦計(jì)算芯片實(shí)現(xiàn)產(chǎn)業(yè)化的最大障礙是制備工藝技術(shù)的薄弱，研發(fā)低成本、低復(fù)雜度的制備工藝技術(shù)對(duì)類腦計(jì)算芯片的發(fā)展同樣至關(guān)重要。

1.3 人工神經(jīng)網(wǎng)絡(luò)模型已成功解決眾多實(shí)際問(wèn)題，但與腦神經(jīng)網(wǎng)絡(luò)能力在“質(zhì)”上差距巨大

人工神經(jīng)網(wǎng)絡(luò)是受生物神經(jīng)網(wǎng)絡(luò)行為特征啟發(fā)而設(shè)計(jì)的信息處理模型，其目標(biāo)是從信號(hào)處理的角度對(duì)人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行抽象，實(shí)現(xiàn)智能。人工神經(jīng)網(wǎng)絡(luò)的能力可以在一定程度上像人一樣通過(guò)學(xué)習(xí)（也可稱為訓(xùn)練）來(lái)獲得，經(jīng)過(guò)幾十年的發(fā)展，已有數(shù)十種網(wǎng)絡(luò)模型，在語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、機(jī)器博弈等領(lǐng)域成功解決了許多實(shí)際問(wèn)題。

人工神經(jīng)網(wǎng)絡(luò)為代表的結(jié)構(gòu)主義模擬智能方法主要有以下特點(diǎn)：①作為一個(gè)大規(guī)模復(fù)雜系統(tǒng)，具有大量可供調(diào)節(jié)的參量（包含大量人工神經(jīng)元以及它們之間的復(fù)雜連接）；②采用并行處理機(jī)制，具有高速處理信息能力（網(wǎng)絡(luò)模型內(nèi)各個(gè)神經(jīng)元或?qū)觾?nèi)各個(gè)神經(jīng)元之間都可以并行工作和調(diào)節(jié)）；③可實(shí)現(xiàn)信息的分布存儲(chǔ)（信息存儲(chǔ)在眾多神經(jīng)元的連接權(quán)值上），具有聯(lián)想和記憶功能；④對(duì)于不同環(huán)境和任務(wù)具有自適應(yīng)能力（網(wǎng)絡(luò)化的拓?fù)浣Y(jié)構(gòu)）；⑤具有容錯(cuò)性和堅(jiān)韌性（包含的巨量神經(jīng)元和超巨量的連接關(guān)系構(gòu)成的冗余）；⑥作為非線性系統(tǒng)和非編程系統(tǒng)，可以通過(guò)學(xué)習(xí)（訓(xùn)練）或者以任務(wù)為中心的設(shè)計(jì)進(jìn)行問(wèn)題求解。

近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)的研究取得了一定的進(jìn)展。2018年，IBM公司開(kāi)發(fā)了一套能夠自動(dòng)選擇人工智能優(yōu)化算法的系統(tǒng)，其核心是提出模擬神經(jīng)突變的進(jìn)化算法，可以為機(jī)器學(xué)習(xí)任務(wù)自動(dòng)選擇最合適的算法，選擇速度提升了超過(guò)5萬(wàn)倍，錯(cuò)誤率僅上升0.6%，有效緩解了當(dāng)前尋找最優(yōu)的機(jī)器學(xué)習(xí)算法耗時(shí)的問(wèn)題；2019年，美國(guó)谷歌大腦項(xiàng)目研究團(tuán)隊(duì)發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)的智能水平由網(wǎng)絡(luò)的整體形狀決定，并特別適合于某些特定任務(wù)，這為創(chuàng)建通用型神經(jīng)網(wǎng)絡(luò)模型開(kāi)辟了新的途徑；科大訊飛“新一代語(yǔ)音翻譯關(guān)鍵技術(shù)及系統(tǒng)”采用端到端神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯技術(shù)，實(shí)現(xiàn)了機(jī)器翻譯框架性的變革，榮獲2019世界人工智能大會(huì)最高榮譽(yù)SAIL(SuperA.I.Leader，即卓越人工智能引領(lǐng)者獎(jiǎng))應(yīng)用獎(jiǎng)[3]。

當(dāng)前，人工神經(jīng)網(wǎng)絡(luò)很難做到像大腦一樣的互聯(lián)規(guī)模，與腦神經(jīng)網(wǎng)絡(luò)能力在“質(zhì)”上差距巨大，且在難以被形式化甚至數(shù)值化的應(yīng)用領(lǐng)域依然受限。此外，人工神經(jīng)網(wǎng)絡(luò)在可解釋性、對(duì)抗攻擊魯棒性、應(yīng)用計(jì)算高效性等方面依然不足，未來(lái)技術(shù)的發(fā)展仍然面臨不少挑戰(zhàn)。

1.4 腦機(jī)接口技術(shù)顯現(xiàn)出巨大潛力，已從復(fù)雜的實(shí)驗(yàn)室環(huán)境走向人體試驗(yàn)，展現(xiàn)了巨大應(yīng)用價(jià)值

腦機(jī)接口是指不依賴常規(guī)的脊髓/外周神經(jīng)肌肉系統(tǒng)，在腦與外部環(huán)境之間建立一種新型的信息交流與控制通道，實(shí)現(xiàn)腦與外部設(shè)備之間的直接交互的技術(shù)。鑒于腦機(jī)接口技術(shù)對(duì)社會(huì)發(fā)展和國(guó)防安全可能帶來(lái)革命性影響，2018年，美國(guó)商務(wù)部將腦機(jī)接口技術(shù)納入針對(duì)最新14大類關(guān)鍵技術(shù)和相關(guān)產(chǎn)品的出口管制框架。

近兩年，腦機(jī)接口技術(shù)的應(yīng)用更是滲透到了醫(yī)療、國(guó)防等領(lǐng)域。2019年4月，加州大學(xué)舊金山分校的神經(jīng)外科學(xué)家開(kāi)發(fā)出一種解碼器，可以將人腦神經(jīng)信號(hào)轉(zhuǎn)化為語(yǔ)音，可幫助聾啞患者實(shí)現(xiàn)發(fā)聲交流；2019年7月，美國(guó)人埃隆·馬斯克的神經(jīng)鏈接公司（Neuralink）利用一臺(tái)神經(jīng)手術(shù)機(jī)器人向人腦中植入數(shù)十根直徑只有4～6微米的“線”以及專有神經(jīng)芯片，以讀取大腦信號(hào)；2019年7月，美國(guó)臉譜公司（Facebook）資助的加州大學(xué)舊金山分校腦機(jī)接口研究團(tuán)隊(duì)，首次證明可以從大腦活動(dòng)中提取人類說(shuō)出的詞匯等語(yǔ)言內(nèi)容并轉(zhuǎn)換為文本；2020年1月，浙江大學(xué)完成國(guó)內(nèi)第一例侵入式腦機(jī)接口精準(zhǔn)控制機(jī)械臂拿飲料、吃油條等，也是國(guó)際上最高齡（72歲）的侵入式腦機(jī)接口實(shí)驗(yàn)。2022年5月4日，美國(guó)腦機(jī)接口公司Synchron宣布，在紐約西奈山醫(yī)院招募到了FDA批準(zhǔn)的美國(guó)臨床試驗(yàn)的第一位患者，意味著首個(gè)實(shí)現(xiàn)商業(yè)應(yīng)用的腦機(jī)接口產(chǎn)品可能即將誕生。Synchron產(chǎn)品最大的特點(diǎn)就是無(wú)需進(jìn)行開(kāi)顱手術(shù)，它的外觀像一個(gè)血管支架，能夠通過(guò)微創(chuàng)手術(shù)放置在大腦血管中，經(jīng)過(guò)幾天的細(xì)胞生長(zhǎng)期，與大腦建立鏈接[7]。

雖然腦機(jī)接口技術(shù)的應(yīng)用仍面臨著人體排異反應(yīng)及顱骨向外傳輸信息會(huì)減損等難題，且未達(dá)到自然交互的溝通速度和準(zhǔn)確性，但隨著神經(jīng)科學(xué)、神經(jīng)接口和機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步，腦機(jī)接口技術(shù)的爆發(fā)指日可期。未來(lái)，腦機(jī)接口技術(shù)除了在醫(yī)療領(lǐng)域應(yīng)用外，在現(xiàn)代智能生活領(lǐng)域、教育娛樂(lè)領(lǐng)域、國(guó)防智能化建設(shè)領(lǐng)域都將發(fā)揮重要作用。

2 發(fā)展趨勢(shì)

雖然基于腦科學(xué)與類腦科學(xué)（智能）的人工智能研究正向機(jī)器智能進(jìn)化，但仍有很多技術(shù)難題需要攻克，如機(jī)器人還不能達(dá)到人類那樣的協(xié)調(diào)性和靈活性，還需要大規(guī)模的高質(zhì)量數(shù)據(jù)樣本進(jìn)行更加精確的計(jì)算；人工智能還無(wú)法具備高級(jí)認(rèn)知能力和深度學(xué)習(xí)能力，與人腦的學(xué)習(xí)能力存在巨大的差距；現(xiàn)有算法與期望結(jié)果之間的差距，迫切需要對(duì)腦科學(xué)進(jìn)行更加深入和精準(zhǔn)的研究等，這一系列問(wèn)題也為仿人智能的發(fā)展提出挑戰(zhàn)和發(fā)展方向。

2.1 腦科學(xué)不斷催生顛覆性技術(shù)

腦科學(xué)是極其復(fù)雜的一門(mén)學(xué)科交叉學(xué)科，與遺傳學(xué)、化學(xué)、物理學(xué)、材料學(xué)、工程學(xué)、計(jì)算科學(xué)、數(shù)學(xué)、心理科學(xué)、社會(huì)學(xué)以及其他基礎(chǔ)學(xué)科高度交叉。隨著新型成像技術(shù)、納米科技、生物技術(shù)、信息技術(shù)、認(rèn)知科學(xué)以及生物大數(shù)據(jù)概念的提出，為腦科學(xué)提供了全新的研究思路和有效方法?？茖W(xué)家將深入理解神經(jīng)系統(tǒng)的感覺(jué)、學(xué)習(xí)和決策的神秘機(jī)制，致力于特定腦功能神經(jīng)連接通路和網(wǎng)絡(luò)結(jié)構(gòu)的解析以及模擬，依此研發(fā)一系列新技術(shù)，包括各種神經(jīng)影像技術(shù)、腦-機(jī)接口、神經(jīng)科學(xué)生物銀行、功能性移植腦刺激、虛擬現(xiàn)實(shí)及遠(yuǎn)程監(jiān)控技術(shù)等[2]。

2.2 類腦芯片將向高速運(yùn)算、高集成度、高智能化發(fā)展

人腦相較于計(jì)算機(jī)而言具有低功耗的特點(diǎn)，為了進(jìn)一步提升類腦芯片的運(yùn)算效率，降低功耗，就必須更加深入地模仿人腦神經(jīng)網(wǎng)絡(luò)的行為，包括對(duì)人腦神經(jīng)信號(hào)和神經(jīng)網(wǎng)絡(luò)架構(gòu)的模擬。隨著激發(fā)式類腦芯片的提出，其低功耗、低延遲、高速處理、時(shí)空聯(lián)合等特點(diǎn)，代表了類腦芯片的一個(gè)極具前景的長(zhǎng)遠(yuǎn)發(fā)展方向[8-9]。

2.3 腦機(jī)接向非侵入式方向發(fā)展

目前，腦機(jī)接口技術(shù)發(fā)展方興未艾，無(wú)論是馬斯克的侵入式“腦機(jī)接口”，還是Synchron公司的非侵入式“腦機(jī)接口”都彰顯了科學(xué)家在該領(lǐng)域的不斷深入探索和研究。近日，我國(guó)南開(kāi)大學(xué)的非侵入式“腦接口”已在羊腦血管內(nèi)成功介入，并采集到了腦電信號(hào)，標(biāo)志著我國(guó)在腦科學(xué)領(lǐng)域達(dá)到國(guó)際先進(jìn)水平。與非侵入式采集設(shè)備相比，侵入式腦機(jī)接口能夠獲得更高質(zhì)量的神經(jīng)信號(hào)。然而，侵入式的腦機(jī)接口存在組織損傷，機(jī)體的排異、感染，系統(tǒng)異常等問(wèn)題，同時(shí)，因?yàn)槟X機(jī)接口不光存在“讀取”功能，還可能存在“寫(xiě)入”的功能，很可能帶來(lái)惡意干擾和操控的現(xiàn)象。因此，未來(lái)的發(fā)展趨勢(shì)是研究開(kāi)發(fā)非植入式或微創(chuàng)植入式的高質(zhì)量神經(jīng)信號(hào)采集技術(shù)與相關(guān)傳感設(shè)備[10]。

3 結(jié)語(yǔ)

腦科學(xué)和類腦智能技術(shù)是當(dāng)前國(guó)際重要科技前沿技術(shù)，對(duì)人類健康和新一代人工智能技術(shù)及新型信息產(chǎn)業(yè)的發(fā)展具有重大意義。據(jù)資料稱，人類對(duì)大腦的了解還不到5%，開(kāi)展腦科學(xué)與人工智能技術(shù)的融合發(fā)展將加速“腦科學(xué)時(shí)代”的到來(lái)。同時(shí)，可以讓人工智能走得更遠(yuǎn)。未來(lái)，隨著對(duì)腦科學(xué)以及機(jī)器學(xué)習(xí)的不斷深入研究，讓機(jī)器人像“人”一樣具有“智能”將成為世界科學(xué)家的終極目標(biāo)。