蒲慕明：这可能与神经科学的发展是相呼应的。在神经科学领域，开奖，感官知觉取得了非常大的进步，但是，在更高级别的认知上，我们现在所了解的依然很少，比如语言和决策。

　　曾毅：我们看到DeepMind 的算法在深度强化学习上取得了很明显的进步。但是，其中也有一些问题。

　　尽管机器可以通过和环境交互获得反馈，但是这个程序不能把他们所学到的东西从一个游戏迁移到另一个。每次遇到新游戏，它必须重头开始。但是人类不是这样的，人类可以把一个任务上所学到的知识迁移到新的无关联的任务。这是人类大脑的高明之处。

　　查红彬：当我们提到无监督学习，概念上应该有所转变。我们总强调训练的效率和机器学习所花的时间。事实上，学习不是效率的问题而是和环境交互的问题。效率和可塑性是完全不同的另一种挑战，需要完全不同的解决方案。

　　曾毅：我认为人工智能的圣杯（Holy Grail）是开发通用智能系统，这种系统由人脑的机制启发，并且表现得像人类。真正的人类水平的智能系统应当可以处理环境信息，定义问题，然后自己找到解决方案。但是，真正的困难不仅是那些具有挑战性的更高级别的认知难题。真正的难点在所谓的莫拉维克悖论（Moravec‘s paradox）中得到了很好的阐释：正如Hans Moravec所说，“让计算机在智能测试或者下棋方面展现成人级别的水准，相对简单。但是让它们掌握一岁孩子的认知和迁移的技能，却十分困难甚至不可能。”

　　中国人工智能的黄金时代

　　蒲慕明：中国在人工智能领域做了什么？需要什么样政策是支持其发展？

　　谭铁牛：在中国，这是神经科学和人工智能的黄金时代。中国政府在非常认真地对待这件事。习近平主席多次提到“中国大脑项目”（China Brain Project）的重要性，这是未来十年国家最重大的科学项目之一。这是前所未有的。

　　曾毅：确实。政府在不同层面给予了很多支持。另外，著名的国家基金和几个自治市都有开展研究和发展人工智能的项目。例如北京有一个脑启发计算项目，涉及了几个中科院研究所，北京大学，清华大学等等。我们的产业伙伴和我们的机构（中科院自动化研究所）也成立了一个10亿人民币的专用风险基金，用于人工智能和机器人的发展。

　　蒲慕明：好像很多大学和机构都有人工智能项目。它们研究的关注点有什么区别？

　　查红彬：大学和研究所的战略计划并没有太大的区别，它们经常合作一起完成重大国家项目，不同的研究团队会分别关注模式识别、机器人硬件等领域。中国的研究者很关注西方国家的发展。一旦出现一个有前景的方向，每个人都会想加入。

　　蒲慕明：中科院计算研究所取得了令人振奋的进步。您能简单概括一下是什么样的进步吗？

　　陈云霁：我们研究所主要关注硬件发展。一个关键的成果是发展前沿芯片处理人工神经网络。20世纪80年代，人们在开发这样的硬件的时候，模拟的神经细胞和突触的规模非常小。通过虚拟化计算技术，现在我们研发出的处理器虽然很小，但是可以在神经网络中模拟不限数量的神经系统和突触。

　　蒲慕明：在中科院自动化研究所呢？您觉得有什么进展？

　　曾毅：脑启发智能是我们研究所的关注点。我们的长期目标是解密人类智能的规律和机制，以开发有通用智能的脑启发智能。最近一个里程碑式的突破是并行脑模拟器（Parallel Brain Simulator），它初步尝试在多层次——包括从原子、细胞神经系统、不同复杂度的神经环路、脑区域，到认知行为——来模拟认知大脑。我们已经证明当某些神经规律引入的时候——例如神经细胞的动态分配，突触的形成和消除，兴奋神经细胞和压抑神经细胞的适当比例——这个强化的神经网络精确度得到显著提高。

　　蒲慕明：这很有意思。它可以让你做什么呢？