論文背景：
目前發展人工智能（AGI）通常由兩種方法：神經科學導向和計算機科學導向。神經科學導向試圖密切模擬大腦皮層，其常用的模型是脈衝神經網絡（SNN）。計算機科學導向的方法主要涉及在計算機上執行顯式算法，其常用的模型是非脈衝人工神經網絡（ANN）。
爲了進一步提高實現AGI的智能，一個趨勢是將更多生物啓發模型或算法納入主流的人工神經網絡中。
論文工作：
論文主要展示了一輛由新型人工智能芯片驅動的自動駕駛自行車。這種新型芯片結合了類腦計算和基於計算機科學的人工智能。
研究者開發的跨範式（cross-paradigm）計算芯片可以適用於計算機科學導向和神經科學導向的神經網絡。這項工作的難點在於ANN和SNN在信息表徵、計算哲學和記憶組織方面具有不同的建模範式，其中最大的差異是ANN以精確的多位值（multibit value）處理信息，而SNN使用的是二進制脈衝序列。
這種芯片可以讓ANN和SNN同時在一個個芯片上運行，其巨大潛力就是當下的深度學習模型可以和大量目前還沒有被好好利用的計算神經科學模型完美嫁接在一起。比如在自動駕駛自行車這個項目中，處理聽覺的是SNN，處理視覺的是CNN，主管視覺追蹤的是CANN網絡（連續吸引子網絡），該網絡可以直接把視覺物體轉化爲一個可以追蹤的空間目標。這是一個典型的脫胎於計算神經科學的網絡架構，其矩陣的連接還用到了樹突計算。