同時聽到腦科學和人工智慧這兩個名詞，會不會有些距離感?
其實當你長按微信語音並選擇把朋友的語音信息「轉化為文字」時，就是兩者結合的一次完美應用，是「深度學習」的產物。
這一方面基於腦科學的發展為模擬、實現和應用神經系統的原理提供了堅實的生物理論基礎，另一方面基於智能算法、大數據和應用模式的成熟為人工智慧突破產業大規模應用提供了良好的環境。
「深度學習」成熱門
所謂「深度學習」，是機器學習研究中的一個新的領域，主要植根於對大腦視覺系統的研究。通過建立、模擬人腦進行分析學習仿人腦的機制來解釋數據，例如圖像、聲音和文本。
具體來說，視覺系統由很多「層」神經網絡組成，神經信號經第一層處理後送至第二層，經第二層進一步處理後送至第三層，以此類推。層與層之間的網絡連接是通過學習訓練而形成的。深度學習系統在完成某些任務上已接近人的能力，這可以應用在人臉識別、語音識別等方面。
目前，人臉識別的準確率可以做到98.52%。但從識別的角度來看，這只是模仿了大腦初級皮層中很小的一塊。「實際上它只是用了最簡單的神經科學，那裡還有很大空白。」復旦大學類腦人工智慧科學與技術研究院首席科學家、教授馮建峰說。
考慮到人類大腦裡的神經樹長度可以環繞地球四周半，就可以知道「深度學習」的過程十分複雜。
但這依然吸引了眾多科技公司進行研究。
2011年，「谷歌大腦」工程啟動，1.6萬片CPU核處理器構建了一個龐大的系統，用於模擬人類的大腦神經網絡，通過「深度學習」等神經網絡技術和觀看視頻等方式，不斷學習識別各類事物。
同年2月，IBM計算機「沃森」在美國一個熱門的電視智力問答節目中戰勝了兩位人類冠軍選手。IBM已經投入10億美元研發，希望利用「沃森」系統理解自然語言。
2014年5月，「百度大腦」項目啟動。在今年5月份的活動上，百度CEO李彥宏在「聯想科技創新大會」上透露，現在「百度大腦」的智能水平已經達到了三四歲孩子的智力水平。在今年全國兩會上，李彥宏又提出了建立「中國大腦」計劃。
機會與挑戰
顯然，腦科學和人工智慧的結合還有很長的路要走。
腦科學和人工智慧是一個高度交叉的學科，需要跨學科的人才合作。「大規模的腦神經網絡的理論和建模現在是一個黃金時代，從計算的能力來講，我們缺的就是一些新的想法、一些新的假設，來真正地把這個事情做得有意思。大腦有功能，有網絡的機制，可在數學上來講，我們對這個跨層次的分析幾乎沒有很好的手段。」上海紐約大學副校長、神經科學教授汪小京說。
此外，以神經網絡為模型進行人工智慧的開發，也未必是最好的途徑。微軟公司深度學習研究中心主任、首席科學家鄧立提到：「神經網絡有它很大的局限性，神經網絡只是從下到上。我們現在還是用數學的方法解決，但是我自己感覺最終應該是神經網絡從上到下，建模要建得好，而且學習要學習得好，這個問題將來要很好地解決。」
目前，上海市政府已將腦科學與人工智慧列為重大科技項目，成為建設具有全球影響力的科技創新中心的一個重要舉措。復旦大學亦牽頭聯合浙江大學、華中科技大學、同濟大學、上海交通大學等十幾所高校及中科院研究所，成立了「腦科學協同創新中心」，推進腦科學研究和轉化應用，正在積極推進和參與「中國腦計劃」的實施。