Demis Hassabis在人工智能方面富有經(jīng)驗(yàn)：他在倫敦創(chuàng)辦了一家名為DeepMind的人工智能公司，在2014年，谷歌花費(fèi)6.5億美元收購(gòu)了這家公司。在此之后，他的公司創(chuàng)造了AlphaGo，在復(fù)雜的圍棋比賽中徹底打敗了人類，并開始進(jìn)一步開發(fā)更通用的人工智能系統(tǒng)。

但是，現(xiàn)在他公開表示，人工智能要想真正實(shí)現(xiàn)其潛力，唯一途徑是從人類的智力運(yùn)作方式里尋找靈感。

目前，大多數(shù)人工智能系統(tǒng)都是建立在數(shù)學(xué)層面上，而這種層面的人工智能系統(tǒng)其實(shí)也在一定程度上受到了人腦運(yùn)作方式的啟發(fā)。但是，不同類型的機(jī)器學(xué)習(xí)，比如，語(yǔ)音識(shí)別或圖像識(shí)別，需要不同的數(shù)學(xué)結(jié)構(gòu)，所生成的算法也只能執(zhí)行某種特定的任務(wù)。

在機(jī)器學(xué)習(xí)領(lǐng)域，構(gòu)建能夠執(zhí)行通用任務(wù)而不是專屬任務(wù)的人工智能，一直是人們的夙愿。但事實(shí)是，要擴(kuò)展特定的算法，使其更通用化，仍然是非常困難的?？赡懿糠衷蚴?，人工智能目前還不具備人類的一些特性，比如好奇心、想象力和記憶等，或者它已經(jīng)具有了一部分人類特性，只是還處于起步階段。

7月20日，Hassabis和三個(gè)共同作者在《神經(jīng)》雜志上發(fā)表了一篇論文，他們認(rèn)為，只有當(dāng)我們更好地了解了人類自身的智能后，才有希望讓人工智能實(shí)現(xiàn)更多看似不可能的任務(wù)。

他們認(rèn)為，首先，只有更好地理解大腦是如何工作的，我們才能更好地為電子智能創(chuàng)造新的結(jié)構(gòu)和算法。其次，通過(guò)從建立和測(cè)試尖端人工智能系統(tǒng)的經(jīng)驗(yàn)中吸取教訓(xùn)，我們可以更好地理解：智能到底是什么。

該論文回顧了神經(jīng)科學(xué)和人工智能的歷史，以闡釋兩者之間的聯(lián)系。該論文指出，無(wú)論是使用“人工神經(jīng)元層來(lái)理解輸入內(nèi)容”的深度學(xué)習(xí)，還是通過(guò)“反復(fù)試驗(yàn)、試錯(cuò)”的強(qiáng)化學(xué)習(xí)（reinforcement learning），這兩種人工智能的機(jī)器學(xué)習(xí)都得歸功于神經(jīng)科學(xué)。

但論文也指出，實(shí)際上最近人工智能的進(jìn)步并非十分依賴于生物學(xué)。不過(guò)，通用的人工智能則更需要類似于人類的特性，比如對(duì)現(xiàn)實(shí)世界的直覺(jué)性理解和更有效的學(xué)習(xí)方法。Hassabis和他的同事們認(rèn)為，“將人工智能和神經(jīng)科學(xué)間的思想進(jìn)行互換，以推動(dòng)兩個(gè)領(lǐng)域共同‘良性循環(huán)’發(fā)展”，這也許是一個(gè)不錯(cuò)的解決方案。

Hassabis并不是唯一一個(gè)持這一觀點(diǎn)的人。紐約大學(xué)的心理學(xué)教授、優(yōu)步AI實(shí)驗(yàn)室前主任Gary Marcus認(rèn)為，可以通過(guò)研究?jī)和J(rèn)知的發(fā)展模式，來(lái)改進(jìn)機(jī)器學(xué)習(xí)系統(tǒng)。

即便如此，要將這些想法實(shí)現(xiàn)仍然很困難。在科技媒體theVerge的一個(gè)采訪中，Hassabis解釋道，人工智能和神經(jīng)科學(xué)已經(jīng)成為“兩個(gè)浸淫在自身慣性思維里的龐大領(lǐng)域，普通人在其中任何一個(gè)領(lǐng)域都很難成為專家，而了解這兩個(gè)領(lǐng)域、并能將二者聯(lián)系起來(lái)的通才型專家則是鳳毛麟角！”