类脑人工智能面临两大困境，但别绝望啊，研发也算有点进展( 二 ) 类脑人工智能研发面临两大困

类脑人工智能面临两大困境，但别绝望啊，研发也算有点进展】……
这一连串的问题，恐怕没有一个是当今科学技术所能圆满回答的，我们对脑的知识实在是少得超过我们最狂野的想象。
所以，开发类脑人工智能最困难的地方是，我们根本没搞清脑本身，又怎么去仿照脑来开发人工智能呢？
好吧，看来我们首先得好好研究研究大脑，可是当代脑科学研究面临的最大问题在过去的几十年中都一直横亘在我们面前。虽然我们已经对神经元间信号传导的生理机制有了一定了解，同时也对大脑皮层各个部分主要掌管或参与的生理活动有了一定研究，但是这两者之间信息的传递和解析是如何实现的，我们几乎一无所知。

文章图片
神经元连接想象图
另外，类脑人工智能开发的另外一大困境是仿照大脑皮层运作模式的有效数学模型还完全看不到踪影，这一方面是由于大脑皮层的神经活动的生理机制尚不明了，另一方面也是由于具有通用性的大脑皮层数学模型建立难度确实太大。这里提到的通用性怎么解释呢？我们都知道人类丰富的感官信息全部由大脑皮层进行处理，然而目前最为先进的类脑人工智能也仅仅可以非常有限的
第一对大脑知之甚少，第二没法把大脑的工作方式抽象成计算机可以理解的数学模型，这就是类脑人工智能开发困难的两大原因。
上个章节光讲困难，不免让人绝望，实际上，在类脑人工智能的研究方面，人类多少还是做了一点微小的工作。与困难对应，在对大脑的进一步研究和大脑工作机理的模型化方面，人类都付出了艰苦的努力。
微观（神经元）与宏观（皮层脑区）之间的沟壑，学术界称之为介观脑科学，是21世纪脑科学研究中急需填补的空白。可喜的是，已经有光遗传学和双光子显微镜等技术手段，可以让人类调控特定神经元的活化和抑制乃至同时观察数千个神经元的协作情况等。

文章图片
利用光遗传学技术绘制的果蝇脑神经元图像（脑虹）资料来源3

文章图片
光遗传技术绘制的神经元网络立体图资料来源3
随着对大脑运作机理的不断揭示，人类也在大脑信息处理的数学模型化方面取得了一定进展。近年来，基于深度学习的人工神经网络不断创造人工智能应用的新神话，阿尔法狗也正是基于这种模型才取得了如此巨大的成功。对于这个模型的具体机制，大家其实没有必要完全搞懂，况且这也不是三言两语就能说清的问题，我们只要将基于深度学习的人工神经网络理解为是一种仿照大脑工作原理的数学模型即可。毕竟，只有将输入的信息数字化，计算机或AI才能对其进行处理，模型便是将信息数字化的核心工具。

文章图片
即时战略游戏《星际争霸2》中某个对战场景的建模过程资料来源2
基于人工神经网络的视觉识别和语音识别可以说是发展较快的两个应用领域，甚至在很多领域已经实现了对人的替代。在浏览器中随便检索一番，就能发现很多新奇的应用，人脸识别，表情识别，步态识别，特定目标识别（车牌、水果、肿瘤等）等早已不再新鲜，无人驾驶路况分析，多语种识别互译等也已经逐步走向商用。