理解人类大脑是21世纪科学领域最重大的挑战之一。近年来，根植于脑科学的人工智能研发取得突破性进展，神经科学家、信息科学家和产业界的精英们跨界联手，深度融合，引发了新的科技革命和产业革命，在可预见的未来将深刻地影响人类的思维范式和生活方式，成为人类认识世界的全新视角。2015浦江创新论坛未来（科学）分论坛上，来自国内外的知名专家和产业界精英共同探讨交流了人工智能的最新进展、面临的问题和未来的发展趋势。

Sean Hill（“人类脑计划”欧盟神经信息学执行主任）

“人脑计划”成为各国研究的热点

人脑也是世界上最为强大的电脑，它让我们感知整个世界。它是一项强大的技术，我们可以在开发下一代计算机技术的时候进行借鉴。但与此同时，人脑有关的疾病和紊乱也在困扰着我们，这些疾病的复杂程度超出了我们的理解能力，从基因层面到细胞再到回路，人类对这些大脑不同层面的神经性疾病的机理知之甚少。欧洲“人脑计划”凝聚了来自欧洲、亚洲及美国的约400多名专家以及112个研究院的力量，同时有长期的资金支持，项目10年间将获得10亿欧元的资金支持。从神经科学的角度，我们希望能够把基因和我们的认知行为联系起来，当然可能最有争议的一个目标就是要建立和模拟细胞层面的人脑模型，我们的工作现在还处于一个初步的阶段。

郭爱克（中科院院士、中科院上海生命科学研究院神经科学研究所研究员）

脑科学研究是人工智能技术取得突破的前提

现在我们处在人工智能发展的关键阶段，类脑智能、类脑芯片、脑机结合、深度学习算法、大规模神经网络建模等如雨后春笋，发展迅猛。但人类对脑的认识很浮浅、人工智能向人脑的学习还不够，这是人工智能技术一直没有实现根本性突破的主要原因。只有清晰的了解大脑是怎么运作的，才有可能设计出一台机器，做人类大脑能做的事情。

脑功能联结图谱研究是脑科学的战略制高点，是探索脑工作原理、揭示脑疾病发生机制，发展脑式计算的必由之路，脑科学极有可能在这个方向上取得重大突破。2012年中科院启动了一个先导项目，叫做“脑功能连接图谱计划”。对特定脑功能的神经联结通路和网络结构进行解析和模拟，包括突触层面、神经元环路层面，结构和功能网络层面。目前项目已获得实质性进展。

邓立（微软美国研究院深度学习技术中心主任、首席研究员）

大数据应用为人工智能的大规模应用提供技术支撑

近几十年人工智能的快速发展具体体现于一些智能算法，如深度学习的成功应用中。深度学习的成功秘诀在于，构建的一个大型的数据库以及大规模计算能力的提高。由于这两点，深度学习在人脸识别、语音识别上的精度甚至超过了人类。现在微软、谷歌、百度的语音识别错误率降到了4.8%，已经低于人类的5%。可以预见的是，未来我们将继续看到语言处理方面更大的进步，图像和视频处理方面将会有很大进展。

王俊（华大基因董事合作人、碳元科技创始人）

实现数据的互通共享是重点

我是怂恿者或者叫倡导者，坚信大数据最重要的就是分享。脑科学、基因研究等产生各种尺度、不同水平的数据。这些数据不可能由一家公司、一个机构收集，如果不共享不分享，都只是片段数据，无法真正发挥作用，必须建立一个共享分享的平台，但是分享又会有另外的问题，比如说隐私问题、伦理问题、法律法规问题，有的人愿意把数据共享，有的人不愿意把数据共享，有的人愿意有条件地共享，这里还需要一个合作的机制。

冯建峰（复旦大学类脑智能科学与技术研究院院长、首席科学家）

聚焦重点领域，实施上海人脑计划

上海脑科学应该从“湿、软、硬、用”四个方面发展。“湿”就是关于神经元的东西，“软”主要是发展智能算法，“硬”指与可穿戴设备、芯片相结合，“用”指可以用到各行各业的东西。他介绍，上海脑科学总体的规划经过一年多时间的讨论制定完善，今年3月开始实施。目前已经着手推进基于脑信息处理的深度神经网络和智能系统研究的重大项目。

汪小京（上海纽约大学副校长、神经科学教授）

充实脑科学研究后备军，人才培养是关键

美国理论和计算神经科学起源于20年前，建了5个中心，后来发展成大概10个。20多年来，这10来个中心吸引了很多物理、数学、工程等等领域来的年轻人，把他们培养成这个领域的精英。这个模式在欧洲、以色列也很成功。现在国内也很迫切需要建这种类似的平台。我们从2010年开始在国内建了一个计算认知神经科学的高级暑期班，当时就确定这个暑期班的重点就是认知和计算。5年来已经开始培养了一批年轻人，也吸引了越来越多人才。这方面需要有一定的支持，需要有一种机制真正吸引年轻人进入这个领域。

本文由上海市科学学研究所助理研究员汤琦博士根据与会专家现场发言和PPT内容整理。