同时听到脑科学和人工智能这两个名词，会不会有些距离感?

　　其实当你长按微信语音并选择把朋友的语音信息“转化为文字”时，就是两者结合的一次完美应用，是“深度学习”的产物。

　　这一方面基于脑科学的发展为模拟、实现和应用神经系统的原理提供了坚实的生物理论基础，另一方面基于智能算法、大数据和应用模式的成熟为人工智能突破产业大规模应用提供了良好的环境。

　　“深度学习”成热门

　　所谓“深度学习”，是机器学习研究中的一个新的领域，主要植根于对大脑视觉系统的研究。通过建立、模拟人脑进行分析学习仿人脑的机制来解释数据，例如图像、声音和文本。

　　具体来说，视觉系统由很多“层”神经网络组成，神经信号经第一层处理后送至第二层，经第二层进一步处理后送至第三层，以此类推。层与层之间的网络连接是通过学习训练而形成的。深度学习系统在完成某些任务上已接近人的能力，这可以应用在人脸识别、语音识别等方面。

　　目前，人脸识别的准确率可以做到98.52%。但从识别的角度来看，这只是模仿了大脑初级皮层中很小的一块。“实际上它只是用了最简单的神经科学，那里还有很大空白。”复旦大学类脑人工智能科学与技术研究院首席科学家、教授冯建峰说。

　　考虑到人类大脑里的神经树长度可以环绕地球四周半，就可以知道“深度学习”的过程十分复杂。

　　但这依然吸引了众多科技公司进行研究。

　　2011年，“谷歌大脑”工程启动，1.6万片CPU核处理器构建了一个庞大的系统，用于模拟人类的大脑神经网络，通过“深度学习”等神经网络技术和观看视频等方式，不断学习识别各类事物。

　　同年2月，IBM计算机“沃森”在美国一个热门的电视智力问答节目中战胜了两位人类冠军选手。IBM已经投入10亿美元研发，希望利用“沃森”系统理解自然语言。

　　2014年5月，“百度大脑”项目启动。在今年5月份的活动上，百度CEO李彦宏在“联想科技创新大会”上透露，现在“百度大脑”的智能水平已经达到了三四岁孩子的智力水平。在今年全国两会上，李彦宏又提出了建立“中国大脑”计划。

　　机会与挑战

　　显然，脑科学和人工智能的结合还有很长的路要走。

　　脑科学和人工智能是一个高度交叉的学科，需要跨学科的人才合作。“大规模的脑神经网络的理论和建模现在是一个黄金时代，从计算的能力来讲，我们缺的就是一些新的想法、一些新的假设，来真正地把这个事情做得有意思。大脑有功能，有网络的机制，可在数学上来讲，我们对这个跨层次的分析几乎没有很好的手段。”上海纽约大学副校长、神经科学教授汪小京说。

　　此外，以神经网络为模型进行人工智能的开发，也未必是最好的途径。微软公司深度学习研究中心主任、首席科学家邓立提到：“神经网络有它很大的局限性，神经网络只是从下到上。我们现在还是用数学的方法解决，但是我自己感觉最终应该是神经网络从上到下，建模要建得好，而且学习要学习得好，这个问题将来要很好地解决。”

　　目前，上海市政府已将脑科学与人工智能列为重大科技项目，成为建设具有全球影响力的科技创新中心的一个重要举措。复旦大学亦牵头联合浙江大学、华中科技大学、同济大学、上海交通大学等十几所高校及中科院研究所，成立了“脑科学协同创新中心”，推进脑科学研究和转化应用，正在积极推进和参与“中国脑计划”的实施。

　　作者：宁佳彦来源一财网)