就像是手臂中的一枪。当世界上第一台超越早期经典计算机的光量子计算机诞生时，人们似乎对人工智能时代更有信心：超越经典计算机的量子计算机已经建立，击败超级计算机的量子计算机还会远远落后吗？
一旦实现了后者，人类将再次为计算能力感到自豪，并探索人脑的奥秘，从而消除人工智能研究的一大障碍。目前，面对人类大脑，尽管它的重量只有约1.5千克，但它有1011个神经元，这让人类感到无助——世界上没有一台计算机能够模拟整个大脑的计算能力。
在最近由中国科学院学术部主办、中国科学院自动化研究所协办的“脑科学与人工智能”科技前沿论坛上，许多业内人士都提出了这样的梦想：建立一个支持深度学习的新计算机团队已成为一些人工智能研究的必然选择。那么，人工智能研究需要量子计算机的计算能力吗？
“今天的科学家，尤其是计算机科学家，使用‘计算’太难，依赖‘计算’，甚至有点‘贪得无厌’。中国工程院院士、中国人工智能学会会长李德义在论坛上泼了冷水。他认为，人工智能学者不应该只关注‘计算认知’盲目地问“人脑”研究的速度有多快，但应该在“记忆认知”和“互动认知”上投入更多精力。
没有多少脑科学能够启发人工智能？
李德义对“计算认知”不感兴趣的原因也来自谷歌的一份报告——
2015年5月15日，谷歌称其无人驾驶汽车拥有数百万英里的测试经验，大致相当于75年的人类驾驶经验。
“如何计算75年的驾驶经验？”这引发了李德义的思考：在无人上路、驾照被提上议事日程的情况下，驾驶认知“测量”已成为各国交通管理部门的头等大事，如何测量大脑认知？信息用“位”来衡量，能量用“焦耳”来衡量。大脑认知呢？
脑科学家似乎没有给出这样的答案，人工智能学者也无法获得启发。
这已成为一个隐喻：脑科学和人工智能是21世纪的两个前沿学科，在过去几十年中彼此相对独立。
中国科学院外籍院士、中国科学院神经科学研究所所长蒲慕明在论坛上也提到，这在国内外都是正确的。然而，随着研究方法的不断丰富和研究领域的突破，二者的交叉融合已成为热点，甚至出现了一个新的研究术语“类脑智能”。美国和欧盟相继启动了相关研究项目，中国也启动了brain项目。他说，中国的计划是将脑科学和人工智能最紧密地结合起来。
例如，流行的深度学习是一种基于人工神经网络的应用，它可以受到神经科学某些定律的启发。蒲慕明说，例如，我们可以从突触的可塑性、记忆储存、提取和回归等方面学习。
然而，他也承认，目前的脑科学研究不能给人工智能带来太多启发。
蒲慕明给出了一个类比。目前的脑科学研究水平仅相当于19世纪末物理、化学等学科的研究水平。“要完全理解大脑，可能需要几个世纪，而不是我们在本世纪所能实现的。”他说。
那我们为什么要做类似大脑的研究呢？蒲慕明说，我们必须在这个时候提出一些适当的申请。如果我们不将已知的知识应用于脑部疾病的诊断、干预和治疗，我们的医疗体系可能会在2050年崩溃——那时，你会发现仍然没有可以治愈的脑部疾病。
因此，人工智能的应用是相同的。他说，没有必要完全理解神经科学的一些阶段性成就也可以为人工智能的发展提供灵感。
人类最重要的智能行为是什么？
中国科学院院士、中国科学院自动化研究所研究员谭铁牛在现有研究的基础上得出结论：“模式识别”是人类最重要的智能行为，它也是人工智能的一个重要研究内容——机器的“模式识别”能力，在一定程度上或很大程度上反映了机器智能的“类人”程度。
在当天的论坛上，谭铁牛给出了几个模式识别的例子。例如，近年来取得快速进展的科大讯飞语音识别技术可以将维吾尔语翻译成汉语，将汉语翻译成维吾尔语，以及步态识别。当你看不到人脸、虹膜和指纹时，你可以通过步态在几十米之外感知它的身份。
此外，还有图像识别，包括代表性人脸识别。早在几年前，马云的刷牙支付就引爆了舆论的热点。谭铁牛本人正在研究虹膜识别，并建立了世界上最大的共享虹膜图像数据库，被许多国家共享和使用。他说，这不仅可以用于手机，还可以用于寻找失踪儿童。
谭铁牛表示，通过学习生物学的机理，可以改善模式识别的技术瓶颈，展望未来仿生模式识别在人工智能领域的应用前景。它的最终目标是模拟和接近人类模式识别，这是一个非常艰巨的过程。
他还提到，模式识别的主要瓶颈在于鲁棒性、适应性和泛化。
坦率地说，鲁棒性是人工智能“足够可靠”和“如果有轻微干扰，它是否会出错”。谭铁牛举了一个例子。例如，在鸡尾酒会上聊天时，背景噪音很大。如果你想清楚地听到其中一个，你应该忽略或抑制背景中其他对话的干扰——人类可以做到这一点，即所谓的听觉系统鸡尾酒效应，但人工智能可以吗？
所谓的适应性更容易理解。谭铁牛说，人类的眼睛会随着光线和环境的变化而调整，这表明人类的适应性非常强。这可以应用于人工智能，比如人脸识别。如果一个朋友已经十多年甚至几十年没有见过他，当他再次见面时，他能认出他来吗？他说，现有的模式识别在这方面不是很理想。
泛化的意思是“从一个实例中推断”。谭铁牛说，当孩子们知道苹果时，他们可以识别其他类型的苹果，即使他们只记得一次，这表明当人类看到某个东西时，他们不仅知道它是什么，还知道它为什么。了解原因在人工智能领域被称为“深度学习”。然而，当前人工智能的深度学习必须基于大量的数据，这需要进一步的研究。
谭铁牛说，要解决这三个问题，关键是看人本身。在微观层面上，人工智能的模式识别可以从具有兴奋性、抑制性、功能可塑性和传递性的人类神经元中学习。受此启发，科学家们增强了模式识别动态系统的稳定性。
无人驾驶是人工智能的突破吗？
李德义在实践中发现了一个突破：自动驾驶。他说，无论是对话、诗歌还是驾驶，图灵测试都允许测试者现场干预，并且判断结果是近似的和主观的。然而，与对话和诗歌测试相比，图灵驾驶测试可以做出更准确、更客观的评估。
他说，汽车发明时，人们对汽车的结构、机械、传动装置、轮胎、底盘和车身最感兴趣。到了20世纪，人们对发动机、碳排放和被动安全感兴趣。到20世纪末21世纪初，人们普遍关心三件事：轻便、清洁和智能。
在他看来，所谓的智能化有四个阶段。第一种是理性辅助驾驶，重点是人类驾驶。第二种是自动驾驶。手和脚可以在局部时段释放。第三种是自动驾驶，即自动驾驶取代了驾驶权。四是人机协同驾驶。
在李德义看来，无人驾驶很难拟人化。
他叹了口气：汽车是从马车演变而来的。作为动力工具，汽车的马力可达100小时