“人工智能系統有智能沒智慧、有智商沒情商、會計算不會‘算計’、有專能無全能。”對此，李德毅認為，要想真正實現人腦被模擬與被超越，就要使機器像人類一樣實現真正的“自我學習”，并不斷積累經驗提升“自我”。

　　跟車行駛、自主換道、加速、鄰道超車、定點停靠、自動辨識紅綠燈……一輛全程無人工干預的智能客車，在拖拉機、蹦蹦車、三輪車出沒的河南鄭開大道上順利行駛。

　　飯盒大小的黑匣子“駕駛腦”正是這輛智能客車的核心“武器”，這個利用微電子技術、生產專用芯片和板卡研發的“人工神經網絡”，能夠自主學習人類的駕駛習慣，并利用云計算、大數據在感知、認知方面建立更多入口。

　　“駕駛腦”僅僅只是腦科學應用的初級階段，“駕駛腦”的開發者，中國工程院院士、指揮自動化和人工智能專家李德毅告訴《中國科學報》記者，開發出像人類大腦一樣聰明且具有學習能力的機器人是人工智能的目標，但解開腦科學仍屬于世界級難題。一旦探索生物腦和電子腦并且形成雜交優勢，將來的前景會勢不可擋。

　　機器人需要類腦智能

　　2016年3月，AlphaGo與職業圍棋選手的對局引發了人們對于人工智能的高度關注。計算機在一個公認的非常復雜的計算與智力任務中，打敗了人類的頂尖選手，這是否意味著人腦已被超越？

　　答案是否定的。“如果我們讓AlphaGo與李世石復盤，它還會像原來那樣下棋嗎？”李德毅拋出的這個問題引發眾人思考。實際上，AlphaGo仍未擺脫馮·諾依曼的計算機框架，仍然依靠人為事先的計算機程序指令、通過數據運算去實現，并非大腦工作的機制。如果復盤，AlphGo肯定不能按照原來的步驟下棋，“因為它的算法有太多不確定性和可能性”。

　　當前，許多機器人的“智商”并不盡如人意。“當前的人工智能系統有智能沒智慧、有智商沒情商、會計算不會‘算計’、有專能無全能。”中科院院士、中科院自動化研究所研究員譚鐵牛就曾用四個短句表達了目前通用人工智能與人類智能水平的巨大差距。

“程序定義的機器人受到質疑，機器人應該有學習能力。”在李德毅看來，要想真正實現人腦被模擬與被超越，就要使機器像人類一樣實現真正的“自我學習”，并不斷積累經驗提升“自我”。

　　但是，人腦如何從外部環境獲得知識和技能，又是如何解決未知和創新的呢？科學家們開始把期待放到類腦智能上，認為智能技術或許可以從腦科學和神經科學中獲得啟發，從而制造出人腦模擬器，實現人工智能的突破。

　　復旦大學腦科學研究院院長馬蘭表示，腦科學研究成果的應用主要集中在兩個領域：一是腦疾病的診斷和治療；另一大應用方向就是“類腦智能”，即通過對腦的理解，受腦工作原理的啟發，人類設計出精巧的、具有部分人類智力的機器或計算機程式。

　　從目前研究情況看，人類對大腦神經結構和功能的研究有了很大的進步，同時認知科學領域對人的智能行為（包括學習、記憶、注意、推理、決策等）機理也有深入研究。這使得從大腦神經系統結構和認知行為機理獲得啟發，研制具有更強信息表示、處理和學習能力的智能計算模型與算法成為可能。

　　不僅僅是復制大腦

　　類腦智能就是以計算建模為手段，受腦神經機理和認知行為機理啟發，并通過軟硬件協同實現的機器智能。

　　“類腦智能系統在信息處理機制上類腦，認知行為和智能水平上類人，其目標是使機器以類腦的方式實現各種人類具有的認知能力及其協同機制，最終達到或超越人類智能水平。”中國科學院自動化研究所研究員劉成林在接受媒體采訪時說。

　　但需要強調的是，世界有多復雜，人腦就有多復雜。人腦是一個由近千億的神經元通過數百萬億的接觸位點（突觸）所構成的復雜網絡。感覺、運動、認知等各種腦功能的實現，其物質基礎都是信息在這一巨大的網絡當中的有序傳遞與處理。

　　而神經生理學的大量實驗告訴我們，人類大腦皮層各功能區域之間的關系極為復雜。因此，在實現類腦計算機的體系結構時，解決各層次和各處理模塊之間的關聯就是一個巨大的挑戰。

　　類腦計算技術路線總體上可分為三個層次：結構層次模仿腦，器件層次逼近腦，智能層次超越腦。此前在天津召開的“類腦智能創新論壇”上，中國工程院院士鄭南寧就曾提出，類腦智能需要模擬神秘的大腦，但又不能只模擬大腦。

　　鄭南寧稱，從計算科學和工程學觀點看，類腦計算是一門以仿生學為基礎，但又超越仿生學的工程研究。研究類腦智能計算并非復制人的大腦，而是模擬人類大腦的功能，僅研究人的思維活動或記錄腦中所有神經元不可能研制出真正的智能機器。

　　專家表示，類腦計算本身需要打破馮·諾依曼結構、把類似大腦的突觸做到芯片上，但目前的神經突觸芯片還在實驗室階段，不能走向實用。而如果用超級計算機平臺來模擬整個大腦的計算能力，需要10的18次方浮點運算能力，這樣的超級計算機預計到2019年至2023年才能出現。

   對人工智能要有敬畏之心

　　每一項腦科學的原理性發現，都可能蘊含著一顆種子，有潛力在人工智能的領域成長為像深度神經網絡一樣的參天大樹。就像飛機發明對空氣動力學的提出起到了巨大促進作用一樣，類腦計算機作為生物大腦的模擬仿真系統，也將對揭開意識之謎發揮重要作用。

　　“其實人工智能的核心不僅僅是算法，更是學習。”李德毅指出，在今天的大數據環境下，可以把程序放到數據里，讓程序圍著數據轉，形成數據驅動的人工智能。如果能夠通過記憶認知、計算認知、交互認知三位一體的認知網絡，形式化腦認知，形成決策腦，就可展現出人工智能的井噴局面和燦爛前景。

　　與此同時，一旦商用化的類腦神經元芯片出現，人類將迎來人腦智能時代，到那時，人類大腦將真正被模擬、被超越。

　　但也有人質疑，由于類腦計算機的器件速度是生物神經元和突觸的百萬倍以上，一旦通過涌現方式產生智能，后果或將難以預料，對人類來說可能是天使，也可能是魔鬼。那么，人類有一天會不會被機器人摧毀？或者，隨著類腦的發達，人腦是否會逐漸萎縮？

　　在李德毅看來，未來就算到了人機共舞的時代，人類也始終是領舞者。人類始終善于更好地調教和幫助機器人，也能利用機器人提升自身的智慧和能力，機器人一定會讓人類自身更智能。

　　李德毅表示，人腦的認知能力不能夠全部、完整、統一地形式化，但特定的情境下的認知能力可以先通過大數據認知局部地形式化，機器人就是人類的思維移植。哪怕在微觀上不具有組織結構的相似性，但在宏觀上不亞于特定人（群）的智商和情商。

　　當千千萬萬特定問題域的認知能力局部形式化之后，用人工智能技術構建千千萬萬“一腦一用”的認知腦，并通過移動互聯網、云計算，就可以逼近一個“一腦萬用”的人造生物腦。這也是為什么李德毅說：“我們應該對人工智能有一點敬畏之心。”