人類(lèi)的大腦只有不足1.4千克，功率只有20瓦，幾乎不足以點(diǎn)亮一個(gè)昏暗的燈泡。然而，我們大腦卻是從頭建造文明，探索恒星，思考我們存在開(kāi)始。相比之下，運(yùn)行在20000瓦的超級(jí)計(jì)算機(jī)IBM的沃森(Watson)在計(jì)算和處理方面可以超越人類(lèi)。但仍然不能與人類(lèi)的智慧匹敵。

　　解決智力問(wèn)題的社會(huì)將引領(lǐng)未來(lái)，最近的進(jìn)展表明我們?nèi)绾巫プ∵@個(gè)機(jī)會(huì)。

　　把人類(lèi)的智慧想象成摩天大樓。這個(gè)結(jié)構(gòu)不是用桁架和混凝土建造的，而是用算法或一系列相互作用的規(guī)則來(lái)建立的，這些規(guī)則處理信息，層層疊疊，互相交流，就像建筑物的樓層一樣。

　　街上的地板代表著人類(lèi)有意識(shí)地接觸到的智能層，就像邏輯推理一樣。這些層次激發(fā)了20世紀(jì)50年代對(duì)人工智能的追求。但是最重要的層面是在地下室和地基中沒(méi)有看到的許多樓層。這些是日常智能的算法，每當(dāng)我們認(rèn)識(shí)到我們認(rèn)識(shí)的某個(gè)人，在擁擠的聚會(huì)中收聽(tīng)一個(gè)單一的聲音，或通過(guò)玩玩具作為嬰兒學(xué)習(xí)物理規(guī)則時(shí)，它們就在工作。雖然這些潛意識(shí)的層次如此嵌入我們的生物學(xué)中，他們經(jīng)常被忽視，沒(méi)有它們，整個(gè)智力結(jié)構(gòu)就崩潰了。

　　作為一名以工程師為本的神經(jīng)科學(xué)家，我研究了這些基礎(chǔ)層之一的大腦算法 - 視覺(jué)感知，或者你的大腦如何用視覺(jué)來(lái)解釋你的周?chē)h(huán)境。我的領(lǐng)域最近經(jīng)歷了顯著的突破。

　　幾十年來(lái)，工程師們?yōu)闄C(jī)器視覺(jué)建立了許多算法，但是這些算法都遠(yuǎn)遠(yuǎn)不能滿(mǎn)足人們的需求。同時(shí)，像我這樣的認(rèn)知科學(xué)家和神經(jīng)科學(xué)家積累了大量的描述大腦如何處理視覺(jué)信息的測(cè)量。他們描述了神經(jīng)元(大腦的基本構(gòu)件)，發(fā)現(xiàn)許多神經(jīng)元被安排在特定類(lèi)型的多層“深層”網(wǎng)絡(luò)中，并測(cè)量神經(jīng)網(wǎng)絡(luò)內(nèi)部的神經(jīng)元如何對(duì)周?chē)膱D像做出反應(yīng)。他們描述了人類(lèi)如何快速準(zhǔn)確地對(duì)這些圖像做出反應(yīng)，并提出了神經(jīng)網(wǎng)絡(luò)如何從經(jīng)驗(yàn)中學(xué)習(xí)的數(shù)學(xué)模型。然而，這些方法本身并沒(méi)有揭示大腦的智能視覺(jué)感知算法。

　　當(dāng)研究人員使用科學(xué)與工程相結(jié)合的時(shí)候，關(guān)鍵的突破就來(lái)了。具體而言，一些研究人員開(kāi)始從類(lèi)腦，多層次，人工神經(jīng)網(wǎng)絡(luò)構(gòu)建算法，以便像神經(jīng)科學(xué)家在大腦中測(cè)量的神經(jīng)反應(yīng)一樣。他們還使用科學(xué)家提出的數(shù)學(xué)模型來(lái)教授這些深度神經(jīng)網(wǎng)絡(luò)來(lái)執(zhí)行人類(lèi)被發(fā)現(xiàn)特別擅長(zhǎng)的視覺(jué)任務(wù)，如從許多角度來(lái)識(shí)別物體。

　　這種組合的方法在2012年飆升至突出水平，當(dāng)時(shí)計(jì)算機(jī)硬件已經(jīng)足夠先進(jìn)，工程師可以建立這些網(wǎng)絡(luò)，并使用數(shù)百萬(wàn)的視覺(jué)圖像來(lái)教導(dǎo)他們。值得注意的是，這些類(lèi)似大腦的人工神經(jīng)網(wǎng)絡(luò)突然在多個(gè)領(lǐng)域媲美人類(lèi)的視覺(jué)能力，結(jié)果，像自駕車(chē)這樣的概念并不像以前那樣遙不可及。使用受大腦啟發(fā)的算法，工程師提高了自駕車(chē)的安全和有效處理環(huán)境的能力。同樣，F(xiàn)acebook使用這些視覺(jué)識(shí)別算法來(lái)識(shí)別和標(biāo)記照片中的朋友，甚至比你能更快。

　　這場(chǎng)深刻的學(xué)習(xí)革命，開(kāi)創(chuàng)了人工智能的新紀(jì)元。它將面孔，物體和語(yǔ)言的識(shí)別，自動(dòng)化語(yǔ)言翻譯，自動(dòng)駕駛等技術(shù)完全重塑。我們物種的技術(shù)能力在短短幾年內(nèi)就發(fā)生了革命性的變化 - 眨眼間就是人類(lèi)文明的時(shí)代。

　　但這只是一個(gè)開(kāi)始。深度學(xué)習(xí)算法是由對(duì)人類(lèi)智能的一個(gè)層面的新理解 - 視覺(jué)感知產(chǎn)生的。深入理解其他智能算法層次，可以達(dá)到什么目的是沒(méi)有限制的。

　　當(dāng)我們渴望達(dá)到這個(gè)目標(biāo)時(shí)，我們應(yīng)該聽(tīng)取工程師和科學(xué)家在狹隘的環(huán)境下所取得的進(jìn)步的教訓(xùn)。這是工程與科學(xué)融合的結(jié)果。因?yàn)樵S多可能的算法可能解釋一層單一的人類(lèi)智能，工程師正在大海撈針中尋找諺語(yǔ)。然而，當(dāng)工程師們利用大腦和認(rèn)知科學(xué)的發(fā)現(xiàn)和測(cè)量指導(dǎo)他們的算法建立和測(cè)試工作時(shí)，我們得到了一個(gè)寒武紀(jì)的AI。

　　這種從功能系統(tǒng)的測(cè)量結(jié)果向工程師模型的工作方式稱(chēng)為逆向工程。發(fā)現(xiàn)人腦在工程師的語(yǔ)言中是如何工作的，不僅會(huì)導(dǎo)致人工智能的變化，而且還會(huì)為幫助那些失明，失聰，自閉癥，精神分裂癥或有學(xué)習(xí)障礙或與年齡相關(guān)的記憶喪失的人們提供新的方法。有了大腦的工程描述，科學(xué)家們將看到新的方法來(lái)修復(fù)，教育和增強(qiáng)我們自己的想法。

　　比賽正在進(jìn)行，看看逆向工程是否會(huì)繼續(xù)提供一個(gè)更快，更安全的路線(xiàn)，而不是傳統(tǒng)的，所謂的前瞻性工程，忽略了大腦。這場(chǎng)比賽的勝利者將帶領(lǐng)未來(lái)的經(jīng)濟(jì)，國(guó)家有可能抓住這個(gè)機(jī)會(huì)。但是要做到這一點(diǎn)，需要政府、慈善機(jī)構(gòu)和行業(yè)的重大新的財(cái)政承諾，致力于支持新穎的科學(xué)家和工程師團(tuán)隊(duì)。此外，大學(xué)還必須建立新的產(chǎn)學(xué)合作模式。學(xué)校將需要訓(xùn)練大腦和認(rèn)知科學(xué)家進(jìn)行工程和計(jì)算，培訓(xùn)大腦和認(rèn)知科學(xué)的工程師，并維護(hù)獎(jiǎng)勵(lì)這種團(tuán)隊(duì)合作的職業(yè)發(fā)展機(jī)制。推進(jìn)人工智能，逆向工程的大腦是前進(jìn)的方向。