“脑科学与人工智能”科学与技术前沿论坛在京举行，多位院士专家共同出席

本篇文章2803字，读完约7分钟

据雷锋说。(公开号码:雷锋。“脑科学与人工智能”科技前沿论坛于5月8日在北京中国科学院学术大厅举行。本次论坛由中国科学院主办，旨在进一步加强脑科学与人工智能的交叉学科和思想碰撞，更好地促进两个领域的相互融合和共同发展。

论坛以脑科学和人工智能为主题，从脑科学如何支持人工智能的发展和类脑智能的现状与发展的讨论两个主题开始，邀请了相关领域的多位学者和专家进行主题报告和深入讨论。《雷》的编辑也实地听取了讲座，梳理了论坛的概况和亮点。

出席本次论坛的院士和专家有:

蒲慕明院士

谭铁牛院士

李德意院士

郭院士

何胜研究员

以及来自130多所院校、科研机构和企业的300多名专家学者。

几位学者和专家怎么说？座谈会上，院士、院士、院士、何胜研究员分别作了主旨发言，郭院士、徐波研究员分别主持了座谈会。一些人从大脑可塑性、类大脑智能、人脑视觉认知、模式识别和自动驾驶等领域阐述了他们的见解。

请与雷(按报告时间顺序排列)一起回顾本次论坛的主要内容和亮点。

蒲慕明院士

蒲慕明院士:脑可塑性和类脑智能研究。

蒲慕明，美国科学院院士，中国科学院外籍院士，台湾中央研究院院士，香港科学院院士。中国科学院神经科学研究所所长，中国科学院脑科学与智能技术卓越创新中心主任。他主要从事神经元发育和突触可塑性的分子和细胞机制的研究。

蒲院士认为，半个世纪以来，虽然神经科学在细胞水平探索神经可塑性方面取得了很大进展，但在理解神经回路和脑功能可塑性方面仍面临巨大挑战；如何从对大脑的肤浅认识中提取出类脑智能技术的有益内容，将是目前类脑智能研究的主要课题。

他回顾了神经可塑性研究的主要发现，猜测了可被新一代类脑神经网络借鉴的自然神经网络的特征，并简要描述了hebb细胞组装假说的演变及其对人工网络计算模型设计的可能贡献。与此同时，他举例说明，人工智能的发展也可以激发对复杂人脑网络运行机制的进一步理解。

━何胜研究员

何胜研究员:人脑视觉认知的原理及启示。

何胜，中国科学院生物物理研究所研究员，脑与认知科学国家重点实验室主任。他的主要研究方向是人类视觉认知的功能神经机制。

何研究员认为，认知科学主要研究人的感知、注意、记忆、情绪、决策、问题解决、语言和意识的功能和神经机制。人脑有一个高度发达的视觉信息处理系统，我们对它有相对深刻的理解。

他阐述了人类视觉系统(包括皮层和亚皮层)多条平行通路的不同特征和分工，前馈和反馈信号之间的相互作用，物体识别的多层次结构，专家系统的形成，以及知觉意识的功能。

谭铁牛院士

谭铁牛院士:生物学启发下的模式识别。

中国科学院院士、皇家工程院外籍院士、发展中国家院士谭铁牛。中央人民政府驻香港特别行政区联络办公室副主任、智能感知与计算研究中心主任。主要从事图像处理、计算机视觉和模式识别等相关领域，目前的研究主要集中在三个方向:生物特征识别、图像和视频理解以及信息内容安全。

谭院士回顾了模式识别的历史，阐述了模式识别的现状，归纳了模式识别中可能用到的生物机制，最后展望了生物启发模式识别的未来。

谭院士认为，虽然针对具体任务的模式识别取得了突破性进展，但在任中，通用模式识别系统还有很长的路要走。鲁棒性、适应性和泛化是制约模式识别进一步发展的三大瓶颈。

最后，他得出结论，从生物学中学习并发展受生物学启发的模式识别有望在模式识别理论和方法上实现新的突破，实现不同任务的无缝切换、对环境的自适应、知识的简洁提取等。，具有非常广阔的创新和发展前景。

李德意院士

李德意院士:无人驾驶图灵测试。

中国工程院院士、中国人工智能学会主席、中国云计算专家委员会主任李德意。长期从事计算机工程、不确定人工智能、大数据、智能驾驶等方面的研究，带领中国最大的无人驾驶汽车联合团队，实现了世界上第一辆无人驾驶公交车在实际道路上的成功驾驶。

在报告的开头，李院士提出了一个问题:能量的维度是焦耳，信息的维度是比特，那么大脑的认知应该如何测量呢？

他指出图灵测试的本质是交互式智能测试。与机器对话、机器写诗等智能活动相比，基于驾驶的图灵测试可以做出更准确、更客观的评价。无人驾驶的根本问题不在于汽车，而在于人。它的核心是实现驾驶员的认知，分离类似大脑的功能模块，开发机器驱动的大脑，并与汽车一起形成轮式机器人。

最后，李院士表示，基于驾驶的图灵测试可以极大地推动我国无人驾驶汽车的类脑研究和产业化发展。

会后，与会专家和研究人员就“脑科学如何支持人工智能的发展”和“类脑智能的现状与发展探讨”两个议题进行了深入讨论，分别由王作人研究员和刘成林研究员主持。雷锋。com编辑了一些精彩的演讲如下:

中国科学院计算技术研究所研究员陈锡林认为，人工智能不同于人类智能，但人工智能的发展离不开人脑结构的启发。虽然今天深度学习的成功是数学的成功，但它基本上与大脑没有什么关系。同时，由于深度学习的局限性，学术界应该跳出深度学习。

北京大学的黄铁军教授认为，发展人工智能的最终目标是为一般人工智能找到解决方案。当我们谈论类脑时，我们必须区分结构和功能。实现某个功能的最好方法是考虑什么样的结构可以实现这个功能。如今，当人们谈论智能时，他们总是下意识地把计算机当作实现平台。也许我们可以改变我们的想法。例如，当我们为神经网络定制一个新的实现平台时，我们可能会比强大的人工智能走得更远。

中国科学院数学与系统科学研究所研究员吕金虎认为，人工智能与脑科学结合面临的三大挑战是，我们仍然无法理解以下智能机制:

智能的出现

自组织

自学

如果我们能搞清楚，人工智能的发展应该会有一个快速的进步。

论坛结束时，雷采访了正在筹备论坛的中国科学院自动化研究所学术秘书。他说，通过本次论坛形式的学术交流和专题讨论，可以进一步浓缩交叉领域的重要科学问题，明确脑科学和人工智能的发展路径，对在全国范围内实施“脑科学和类脑科学研究”重大项目具有重要意义。

论坛由中国科学院主办，中国科学院学术出版工作委员会、信息技术科学部和生命科学部承办，中国科学院自动化研究所、神经科学研究所和《中国科学》杂志协办。(结束)

张量流&神经网络算法高级应用类即将开始！

从初级到高级，理论+实战，一站式深入了解张量流！

本课程面向深度学习型开发人员，教授如何使用张量流解决特定问题，如图像识别和文本分析。为期10周的课程将从张量流的原理和基本实践技能开始，逐步教会学生如何在张量流上构建cnn、自编码、rnn、gan等模型，最终掌握一套基于张量流的深度学习和发展的专业技能。

作为思想工作的高级技术专家，童达和白华川两位教师在构建大数据平台和开发深度学习系统方面有着丰富的经验。

时间:每周二和周四晚上20: 00到21: 00

课程时长:共20小时，10周完成，每周2次，每次1小时

在线教学地址:mooc.ai/

雷锋原创文章。严禁擅自转载。详情请参考转载说明。

来源：搜狐微门户