知乎上裝逼的人太多，真的看不下去了

給你們一篇Hassabis的綜述吧，自己看

Neuroscience-Inspired Artificial Intelligence

即使在人們普遍認為「心」纔是思考器官的時代，人類就已經開始對人腦進行研究。古希臘的希波克拉底著有《論「聖病」》，其中便講述了「腦」是負責思維活動的器官；中國明代的李時珍也曾在《本草綱目》中提出過「腦為原神之府」的觀點。

到了 19 世紀初，生物學家對人腦的研究逐漸深化到細胞學層面；1927 年巴甫洛夫出版《大腦兩半球機能講義》，使得當時的普通民眾也能瞭解到人腦的作用。

巴甫洛夫《大腦兩半球機能講義》

但最初的祕密，千百年來卻始終沒有解開：人腦究竟是如何工作的？

無數神經科學家傾注畢生心血來研究這個課題，時至今日依然無法解開。有些學者試圖構建模擬人腦的人工神經網路，來逐步解釋人腦的工作原理。

從神經科學的角度看，人腦中的神經元會向外分裂出如樹枝般的分支，在分支末端形成突觸，通過與另一神經元的突觸相連來傳遞信息，從而完成思考。

正是這種神經元之間的連結方式，為深度學習的基礎——人工神經網路提供了借鑒的方向。我們用節點模擬人腦中的神經元，用節點與節點之間的連接模擬神經元之間的突觸，並以這樣的形式構成若干層（通常不少於 8 層）的網路，希望它能完成一些只有人類才能完成的任務。

突觸相接之處。

人工神經網路取得了相當不俗的效果。早在 1980 年，日本京都大學的福島邦彥就用這種多層神經網路，達成了對手寫字母的圖像識別。

在之後的研究中，學者們借鑒了人腦的視覺信息層次系統。比如，當我們看到一幅在雨天打著傘路過街邊路燈的人像，這幅人像的信息自初級視覺皮層起依次進入更深的視覺皮層。由於接受全部的信息會給大腦帶來極大的壓力，這時我們的大腦就根據以往的經驗將信息進行壓縮。在很多情況下，這個人的臉龐將隨著每個層面的處理而變得越來越明確，最終被清晰地確定下來，而無關緊要的信息（如路燈，雨傘等）則被我們「忽略」。

為此，人工神經網路的設計者搭建了很多個層，每一層都會進行一次操作，隨著層次的深入，很多我們不需要的信息則被過濾掉，識別出來的視覺信息也越來越精準，顯著減少了在對圖片進行學習時選擇了錯誤對象（如一些背景中的信息）的可能。

車窗上的雨點也會被一點點過濾。

人工智慧借鑒人腦的地方還有很多。除了思維的物理基礎，一度廣泛應用的專家系統還借鑒了人類的思維模式。運用系統內部「知識庫」中的專業相關知識，對現實情況進行推理和判斷，模擬人類專家的專家系統能夠對現實問題做出決策。舉個例子，我們可以通過專家系統改善溫室環境控制。通過收集溫度、通風、光照等信息，輸入知識庫加以訓練，就可以讓專家系統在接到外界環境信息化的命令時做出正確的決策，更加合理地調節溫室環境。

在機器翻譯、文本摘要等領域展露頭角的長短期記憶網路（LSTM），借鑒了人腦在信息處理上的「記憶」與「遺忘」。通過利用「門」（Gate）機制，將輸入的信息做「保留」或「刪減」，更好的保留關鍵信息；深度學習中的注意力（Attention）機制能從眾多信息中選擇對任務更加重要的信息，這一機制借鑒了人腦的學習方法：快速瀏覽圖像的全部後，選擇重點關注區域，隨後在這一區域內投入更多的注意力...

回到問題本身，當下人工智慧的發展，在很多地方都有相當程度地借鑒了人腦處理信息的機制。希望有一天我們能解開思維「黑箱」的祕密，更好的認識自己的大腦，更好的「認識自己」。

當下的世界每天都在發生著日新月異的變化。隨著信息透明化，數據化，人工智慧化也越來越多得影響著我生活的方方方面面。AI的發展很大程度上借鑒了人們對大腦的研究。大腦是人體最重要的器官，同時也是迄今為止最神祕的器官。因為大腦不像我們的身體某些器官那樣具體，它是隱藏在頭顱裏的。隨著人工智慧的高速發展，在未來可能人工智慧的發展方向、機制需要借鑒人們對大腦的研究。

首先：大腦皮層是大腦的主要來源。大腦皮層進化增生了組織，這些組織中包含著各種各樣的細胞。分佈之嚴謹之複雜類似於網路。這些網路和細胞產生著不同的功能，這些功能對應著不同的區域。這些區域每個都有自己的「使命」，並且分工明確。有負責視覺，體感、運動。每一項的區域都有負責的結構。

這些組成大腦的結構就是神經系統。神經系統大約有10的11次方的神經細胞。而整個神經元處理信息就像電線用離子傳到信息一樣，單位用0、1表示。叫做脈衝和毫秒。這個傳導速度和聲速度差不多。傳到軸通過化學物質釋放。，然後打開讓下一個電子、離子活動。這樣的活動終端出來就會釋放各種各樣的物質。信息處理能力就會大大加強。大腦最主要的功勞就是記憶和學習。打個比方：我們做過的每一件事，都會刺激大腦神經，從而對過往的事進行存儲和記憶，這就像電腦一樣，會對人們之前進行過的和從事過的事進行存儲。

有一個很好的學習法則叫做「赫伯」學習法則。通過學個學習法則看倆個神經細胞在一起時怎麼樣活動。不同的活動方式造就了不同的記憶。就好像如果信息傳導強就會有更高的權重，傳導弱，則會猥瑣，消失，記憶下退。除了傳導信息外在結構裏還有保存記憶。

大腦的形式搞清楚後，我們來談談人工智慧。人工智慧的核心要素來源於移動互聯網和大數據。互聯網會存儲很多的信息，從古至今，生活的方方面面。在互聯網高速發展的放下，人工智慧應運而生。人工智慧顧名思義就是通過交互完成一個智能。它也時時刻刻在影響著我們的生活。

在整個背後會有知識管理，有一部分是感知，有一部分是認知，人工智慧就是有一部分的方法來模仿。傳統的人機交互就是要進行語音識別，語義解析，行動選擇，任務處理，語音合成。語音就是鍵盤的替代品，單輪交互，信息一次性處理，這是最早傳統時代語音智能。新一代的人工智慧在模仿的基礎上又通過參數化得方式，合成更好的結果：在語音識別上人工智慧一已經達到了接近於人類真實聲音的水準。對於人工智而言，這些都是初步階段。

可以確信，在未來人工智慧一定可以改變我們生活的方方面面。而幫我們實現這個目標的工程師也是最值得我們致敬的人。期待語音識別可以早一些進入生活中的更多領域，未來可以更好~

謝邀！

在回答這個問題之前，我們先來定義下人工智慧，人工智慧之所以叫人工智慧，因為大家希望，人類造出的機器，可以達到四個點：

第一：像人類一樣思考；

這是做人工智慧的初衷，跟人一模一樣，會想這會想那，會思考。

第二：合理地思考；

但是，人中間也有壞人，也有傻逼，而且人是每個人都不一樣的，如果造出一個傻逼機器人，那就有問題，所以要探討什麼是合理的思考，只有這樣，才能做出相對安全的機器人。

第三：像人類一樣行動；

跟思考一樣，理想的人工智慧可以像人一樣行動，就是該幹嘛幹嘛。

第四：合理地行動。

但是，即使是人類，也有行動有問題的人，比如做出了反人類的行為，所以機器人也會遇到，怎麼合理的行動，那就是需要設計。

但是，你發現了沒有，其實行動是由腦子來決定怎麼行動的，思考也是由腦子來決定的，因此，大腦在人工智慧中，起到了關鍵的作用。這就意味著，它是需要借鑒人腦的研究。因此，人工智慧跟腦科學會交叉。

但是，目前人類對大腦的瞭解，目前也就11%左右，也就是說，人類對大腦的瞭解還不夠，現在只能瞭解十分之一左右，這就意味著，人工智慧目前這個階段要借鑒大腦的話，只能借鑒十分之一，剩下的還需要等待。

人工智慧本質上是對人的思維的信息過程的模擬。如癲癇手環，能夠在癲癇患者癲癇發作時向其監護人發出報警信息並自動記錄發作事件，形成癲癇日誌，且針對癲癇患者癲癇發作具有報警功能。

另外，大腦皮層電刺激術使用的刺激模式主要是閉環刺激，即根據對腦電的監測分析判斷是否需要產生電刺激。

目前主要用於皮層刺激的NeuroPace生產的反應性神經刺激系統(RNS)，是一個可植入性的閉環刺激系統。RNS包括可嵌入顱骨的脈衝發生器、四個觸點的電極(皮層電極和深部電極)以及程式控制儀。RNS可記錄和儲存腦電信息，醫生可根據腦電信息設定電刺激的閾值以及刺激參數。

RNS神經刺激器是難治性癲癇的輔助治療方法，是刺激療法。通過置入的電極對癲癇竈進行直接慢性顱內刺激。由美國FDA批准用於部分性癲癇發作患者的RNS系統是首個直接應答式腦內局竈皮層神經刺激器（閉環刺激）。有研究顯示可減少癲癇發作頻率，長期療效及安全性有待研究。

推薦閱讀：
相關文章