自然智能（大腦）與人工智能的對話可以從三個方面來理解：首先人腦創(chuàng)造和完善人工智能的過程就是一個對話的過程。其次，人工智能在某些領(lǐng)域挑戰(zhàn)人類大腦（如棋類比賽）則是一個更直接的對話形式。另外，大腦智力研究領(lǐng)域和人工智能研究領(lǐng)域之間的交叉和滲透更是一個具有重要意義的對話過程。

 

　　非常巧合的是，1949年在人工智能領(lǐng)域和神經(jīng)科學領(lǐng)域都發(fā)生了一個重要歷史事件。這一年，機器學習和人工智能的先驅(qū)者，美國人Arthur Samuel在IBM計算機上編寫出了第一個國際跳棋的程序，首次向人們展示了具有一定自我學習能力的人工智能。同一年，加拿大認知科學家和心理學家Donald Hebb發(fā)表了經(jīng)典論著“行為的組織”，為大腦的學習機制提出了神經(jīng)連接學說，即著名的Hebb學習定律。雖然Hebb學說被認為是人工智能應用神經(jīng)網(wǎng)路的理論依據(jù)，實際上在這個理論提出之后的數(shù)十年里，人工智能和腦認知科學基本上是在兩個平行的軌跡上發(fā)展，沒有實質(zhì)性的交集。

 

　　隨著計算機硬件的快速發(fā)展和更先進的編程程序的應用，依靠強大的運算能力，IBM計算機“深藍”于1997年5月?lián)魯×藝H象棋冠軍加里·卡斯帕羅夫，成為人工智能發(fā)展的一個標志性歷史事件。人們難以想象計算機能夠?qū)@樣的復雜系統(tǒng)進行全部運算。

 

　　AlphaGo之父Hassabis不僅是一個罕見的天才，他的經(jīng)歷也非常有意思：8歲時設(shè)計了電腦游戲；13歲成為國際象棋大師；之后分別在劍橋大學和倫敦大學學院獲得計算機科學和認知神經(jīng)學專業(yè)學位。Hassabis在認知神經(jīng)科學的訓練，無疑是他在設(shè)計AlphaGo時能夠得心應手地應用具有深度自我學習功能的多層次神經(jīng)網(wǎng)絡(luò)的重要原因。

 

　　我們再來看看Hebb定律的核心：大腦各神經(jīng)元之間通過突觸相互聯(lián)系而形成復雜的網(wǎng)絡(luò)，雖然初期的聯(lián)系可能是隨機的，但最終的網(wǎng)絡(luò)聯(lián)系及聯(lián)系的強度則決定于所聯(lián)系的神經(jīng)元之間是否具有反復的關(guān)聯(lián)活動，即突觸前神經(jīng)元A持續(xù)重復的活動如果能夠引起突觸后神經(jīng)元B產(chǎn)生同步的放電活動，則可以導致該突觸傳遞效能的增加，突觸聯(lián)系的穩(wěn)定性得到增強。即“一起放電的神經(jīng)元將連接在一起”。

 

　　Hebb學習定律根據(jù)神經(jīng)元連接間的激活水平而改變權(quán)值，是一個無監(jiān)督學習規(guī)則，使網(wǎng)絡(luò)能夠提取訓練的統(tǒng)計特性，把輸入信息按照發(fā)生的幾率劃分為不同權(quán)重的類型進行判斷處理。而AlphaGo的深度學習神經(jīng)網(wǎng)絡(luò)正是采用這一原理，當機器進行反復的訓練后，可以對落子的位置形成一定的優(yōu)先級篩選，從而跳過某些落子概率很低的位置運算，而不需要對所有可能的位置進行運算，極大地提高了機器的運算效率。

 

　　雖然神經(jīng)科學家可以驕傲地認為，神經(jīng)科學研究成果和理論為人工智能的里程碑發(fā)展作出了重要貢獻，但我們對大腦的工作原理的了解，尤其是在神經(jīng)網(wǎng)絡(luò)水平上的活動規(guī)律和意義的了解，仍然非常有限。而正是神經(jīng)網(wǎng)絡(luò)活動的機理才是我們理解大腦產(chǎn)生高級功能的關(guān)鍵環(huán)節(jié)。

 

　　近年來一些關(guān)鍵研究技術(shù)的快速發(fā)展，使腦科學研究，尤其是在神經(jīng)網(wǎng)絡(luò)水平的解析，面臨著重大突破的機遇?；谀X科學研究的前沿性、學科交叉性及實際應用的重要意義，這些重大突破必將在科學、經(jīng)濟、社會和軍事等領(lǐng)域產(chǎn)生重要影響，因此各發(fā)達國家都先后啟動了大型的腦研究計劃。在我國的“十三五”規(guī)劃中，“腦科學與類腦研究”被列入六個“科技創(chuàng)新2030重大項目”之一，使中國神經(jīng)科學家充滿了期待，希望能在國際腦科學研究領(lǐng)域作出自己特有的重要貢獻。

 

　　一個有意思的問題是，既然人工智能利用簡單的神經(jīng)網(wǎng)絡(luò)原理在某些規(guī)則明確的單一性能的智力（如棋類比賽）方面已經(jīng)超過了人腦，我們是否可以通過對計算機神經(jīng)網(wǎng)絡(luò)產(chǎn)生人工智能的機理來反推大腦的神經(jīng)網(wǎng)絡(luò)的工作機理？目前看來，答案是否定的。因為計算機神經(jīng)網(wǎng)絡(luò)的具體運算過程也是難以捉摸的，實際上它更像是一個黑箱系統(tǒng)，它的運算過程和抉擇完全是根據(jù)它的學習經(jīng)驗而進行的，我們無法了解具體過程并對其進行控制。但可以預見的是，人工智能的發(fā)展必將為腦功能研究，尤其是在解析神經(jīng)網(wǎng)絡(luò)時所遇到的大數(shù)據(jù)的解析和運算提供強有力的工具。

 

　?。ㄗ髡呦抵袊茖W院院士，浙江大學教授，中國神經(jīng)科學會理事長）