如果我们能够搞清楚人类大脑成千上万的神经元如何互相连结以及中枢神经系统存储和处理信息的原理，那么像吴恩达这样的工程师对于“人工大脑”的设想就能够更加清晰，对于人脑的研究成果和数据将能购帮助深度学习算法的研究，也能加速诸如计算机“视觉”、语言分析，以及苹果和谷歌等公司为智能手机提供的语音识别等技术的发展。
“所以我们要学习生物生存使用的技巧，问题的关键在于生物将秘密隐藏得太深了。”加州大学伯克利分校计算神经科学家布鲁诺·奥尔斯豪森（Bruno Olshausen）感慨道，“我们还没有掌握这些秘密所需要的工具。”
未来：得人工智能者得天下
随着移动设备的崛起，“破解人类神经密码”愈发迫在眉睫。由于设备越来越小，我们需要它们运算更快、更准确。然而，随着电子设备的基础元件晶体管的尺寸不断缩小，将它们变得更精确更高效的难度也越来越大。比如，想要加快设备的运算速度，需要给设备提供更多电能，但更多电能会让设备的运算系统更“嘈杂”，也就是说，它得运算精确度会下降。
奥尔斯豪森介绍，目前工程师们智能通过避开问题核心的方式来应对上述问题，力求在设备大孝运算速度、能耗之间取得平衡，而人工智能技术对此则能提供更好的解决方案。“生物科学能让我们直面问题的根本所在，生物内部的转换机制也是天生‘嘈杂’的，但其找到了一个办法来适应和忍受这些干扰噪声甚至对之加以利用。如果我们可以搞明白生物内部应对这些杂音的方法，我们就能开创一套截然不同的计算模型”。
科学家的目标并不是将计算设备变得更小，他们的目标是让计算机能够做到的事情更多。不管背后的算法多么复杂，目前的计算机无法帮助人类去杂货店购买物品，或者帮助人类挑选适合的衣服、钱包，处理这样的事情，计算机需要添加更高级的图像智能识别技术以及像人类一样的注意力和记忆力，如果能够实现这一点，那么计算机能够处理的事情的想象空间将变得无穷大。
“全世界都意识到，如果你可以解决这些问题，人工智能领域存在的无限商机就会被打开。” 奥尔斯豪森预测。
而驱使谷歌、IBM、微软、苹果、百度这些公司竞相开发高级机器学习技术的原因，正是其背后蕴藏的巨大商业潜力。纽约大学教授、深度学习领域的专家燕乐存（Yann LeCun）教授预测，两年内，将出现大量的机器学习领域的初创公司，其中很多可能会被大公司收购。
虽然最优秀的工程师一般不会同时是人类大脑研究的专家，但如今对于计算机科学领域的工程师来说，掌握一些神经科学的知识可能成为巨大的优势。“我们需要与神经科学领域的科学家更加紧密的合作，”百度的于凯（音译）表示，于凯正在考虑招聘一名神经科学领域的科学家，“我们已经在与他们合作，但是我们做得还不够。”
吴恩达的梦想正在照进现实。“我有了希望，不只是希望，我们可能能够实现真正的人工智能，”他说，“我们当然还没有找到正确的算法——这可能需要长达几十年的时间，要实现它很不容易，但我看到了希望。”
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！