我們從什么時候開始有沖動，要造出和我們一樣聰明的機器人呢？

1956年夏天，十個來自不同學科的年輕學者召開了兩個月的研討會，第一次提出人工智能這一概念。從此，“探尋智能的本質”這個浪漫的夢想一直扎根于人們心中。造出一個和我們一樣“聰明”的機器人，也成為了這個夢想的終極目標。根據上世紀60年代人們的預測，到2020年，人類就可以造出超越自己智慧的人工智能了。

然而遺憾的是，時至今日，我們連自己的大腦如何運作都還沒搞清楚，更遑論造出和我們一樣的人工智能了。用“荊棘密布、道阻且長”來形容人工智能這條道路，絲毫不為過。

不過，正是因為面對著各路大坑中坑小坑，對于人工智能的追逐才更顯珍貴。今天，全國的人工智能大牛們聚在了一起，分享了他們研究領域的最新成就，人工智能也出現了一個全新的方向。

人工智能之父 阿蘭·圖靈

“圖靈機”過時了嗎？

雖說圖靈是一個著名的同性戀者，不過“圖靈基”絕不是你想象的那樣。。。圖靈機是由圖靈提出的最早的計算機想象模型，其基礎是把數學和邏輯進行抽象整合，從而使之實現復雜的計算。之后，“計算機之父”馮·諾依曼在其基礎上設計了最早的計算機。經過這么多年，雖然計算機的形態(tài)已經幾經改變，然而其內核仍然沒有變，那就是以數學計算為核心。

如今，當你拿起手機拼命搖一搖或者看著美麗的女主播自持不能地享受人生時，都要感謝一下圖靈老濕。然而，圖靈機的工作模式也給人工智能埋下了一個巨大的隱患。因為，我們的大腦根本不是按照圖靈機的模式運轉的。用圖靈機模擬人的大腦就好像讓你的汪星人爬樹，讓你的喵星人叼球一樣，充滿了“臣妾做不到”的無力感。

現在的計算機和人腦究竟有多大的區(qū)別呢？中國人工智能學會副理事長譚鐵牛院士給出了一個數字：人的大腦包含10的11次方數量級的神經元，包含10的14次方數量級的神經節(jié)點。而目前實驗室中最先進的CPU中晶體管也只能達到200億個。這個差距雖然看上去不大，但從工作原理上來看，大腦的每一個神經元都是相互協(xié)作，分別處理信息的，而計算機卻智能依靠一個統(tǒng)一的計算中心。從結構上來說，腦功能是分區(qū)的，而計算機卻沒有功能分區(qū)，反而有專用的存儲中心、運算中心以及連通二者的總線。

總之，大腦和計算機的組織方式完全是兩個方向。

來看看上邊這幅圖片，這是一幅普通的紐約街景，對于現有的機器圖像識別來說，所有的物體都很容易被定義，只有左下角這個由于快門過慢而虛化的汽車最難被機器識別，這個在人類腦海里只需要0.1秒就可以做出的判斷，在機器中似乎是不可能完成的任務。有人曾經使用最龐大的計算機來識別這張圖片，仍然用了超過人類1000倍的時間，而且功率居然高達120億瓦。順便說一句，人腦的功率只有20瓦。

是否需要新的人工智能模式？

不過，傳統(tǒng)的人工智能并非一無是處，依靠大數據和物聯(lián)網，它可以做很多超越人腦的事情，比如由德國工業(yè)機器人巨頭KAKU生產的機械臂，就曾經和人類來了一場乒乓球大戰(zhàn)，想看視頻可以戳這里（乒乓球賽：德國冠軍 VS 機器人）不過，這個機械臂可是配了喪心病狂的36只眼睛（攝像頭）啊。

2011 年的時候，IBM的人工智能機器人Watson 在美國智力競賽節(jié)目"Jeopardy"中以超越了第二名數倍的成績獲獎。

然而，傳統(tǒng)人工智能僅僅依靠大數據和計算速度的進步似乎并不能持續(xù)了。IBM中國研究院的蘇中教授表示：

IBM研發(fā)的最先進的芯片是7nm制程的，而分子的尺度已經達到了2nm，在現有的技術下，晶體管的發(fā)展不可能突破分子尺度。這就意味著預言每18個月芯片尺度縮小一半的摩爾定律已經接近極限。計算機性能的提升也馬上就遇到瓶頸。

中科院自動化所腦網絡組研究中心主任蔣田仔告訴雷鋒網，電腦處理大規(guī)模信息時更有效，但是面對模糊思考，人腦無疑更有效，所以人工智能的新方向需要從人腦找靈感。

那么，我們來仿造人腦造一臺計算機怎么樣？

其實，這樣瘋狂的想法并不是現在才被提出了來，早在20年前就有科學家提出了這一方法，不過，那個時候的硬件技術水準low爆了，所以“類腦芯片”在近幾年才重回人們的視野。

由于圖靈機需要在存儲器和運算器之間不斷傳輸數據，，所以制造"類腦芯片"首先就要去掉這種結構。IBM神經元計算芯片SyNAPSE，去掉了主線，CPU和內存的數據交互，減輕了大量的功耗。當時，萬能的雷鋒網也曾經有過報道（IBM模仿人腦打造有“思考能力”的芯片）不過，別以為這個芯片就是按照大腦的運作方式運行了，因為人類到現在都還不知道大腦具體究竟如何運行。這個芯片只是在某些結構方面仿照大腦運行而已，論效率嘛。。。我們還是說點別的吧。

IBM神經元計算芯片SyNAPSE

“腦機接口”可以實現嗎？

如果我給你一杯滾燙的水，你一定在第一時間松手。如果等信息傳到大腦，然后大腦經過分析，決定下達松手的指令，再把指令傳到手掌，雖說只有0.2秒的時間，但是你很可能已經因此受傷。實際上，你的手臂是擁有智能的。這些智能同樣來源于你的神經分布。

人工智能不僅可以向人腦學習，同樣也可以向人的身體學習。

其實這樣先進的理念已經在人工智能中運用了。比如與電腦或者手機相聯(lián)系的智能攝像頭，本身就在做著信息的篩選，比如視野范圍內的物體沒有運動時，就保持休眠狀態(tài)，一旦檢測到運動，則開始記錄并且通知手機。一個冰箱可以自動檢測它里面是否還有雞蛋，是否有食物快要超過保質期，從而通知手機。

地平線機器人科技CEO余凱向雷鋒網表示

在未來的世界，人們哪怕沒有意識到產生數據，各個傳感器和攝像頭也都在產生數據。萬物智能時代將會有幾百億的網民，其中六十多億是人，剩下的全是機器人。每個智能網絡內的硬件都分別有自主的能力。

然而，以上這些還不夠炸裂，國防科學技術大學教授胡德文告訴雷鋒網：“如果人工智能真的可以在某些方面模擬人腦的運作，那么下一步的人工智能發(fā)展方向一定是提供腦機互聯(lián)?！?/p>

把視覺、聽覺信息輸入人腦，再根據腦電波形成可以被機器識別的數學模型，從而達到用腦電波控制計算機的目的，就是腦機互聯(lián)的基本邏輯。雖然目前科學家可以通過磁共振信號解析出被試者腦海里試圖拼寫的字母，然而也僅此而已。因為人的腦電波非常微弱，從中分離出視覺信號是一件非常艱難的事情。這也到達了目前人工智能研究的最前沿。據說中國科學家正在嘗試用腦電波控制汽車，已經成功撞倒了數名警察。（小編只想問，可不可以找有駕照的童鞋發(fā)射腦電波。。。）

說到這，還是引用一句圖靈的話吧

我們只能看到未來的不遠處，但是就在這么短的距離內，我們仍舊有很多事情要做。

我們向鳥兒學習，發(fā)明了飛機，向蝙蝠學習，發(fā)明了雷達，現在終于該向自己學習了。不知道你有沒有發(fā)現，無論你面前的計算機多么昂貴，都遠沒有你自身精密。其實，最貴的計算機就是你自己，擁有這么高級的身體，你還會繼續(xù)浪費生命嗎？所以，趕快起來搬磚吧！