我正在參與CSDN200進20，希望得到您的支持，掃碼續投票5次。感謝您！
（爲表示感謝，您投票後私信我，我把我總結的人工智能手推筆記和思維導圖發送給您，感謝！）
新一代人工智能院士高峯論壇2019年12月在鵬程實驗室召開，有幸參與其中學習。對部分內容進行總結
部分內容參考網絡，本文爲學習筆記 記錄。
中國科學院院士、美國科學院外籍院士蒲慕明帶來了主題爲《腦科學與類腦智能研究》
蒲慕明院士談到：「我認爲下一代人工智能的一個很重要的發展方向就是，腦啓發的新型人工智能。我們國家在未來 10 年將啓動的重大項目叫做腦科學與類腦研究，整體框架爲『一體兩翼』，主體是腦認知功能的神經基礎，做全腦神經連接圖譜，兩翼則是指研究內容分爲腦重大疾病診斷和干預、腦機智能技術研發兩個方向。」
他指出理解大腦需要從三個層面上的神經連接圖譜分析：
第一個是宏觀圖譜。通過核磁成像的技術可以看到毫米級的神經束，每個神經束都有成千上萬的細胞纖維，傳導方向是雙向，但只瞭解神經束的走向對於理解腦功能並沒有太大貢獻。
第二個是介觀圖譜，空間分辨率要達到微米級別。用特殊方法來標記不同的神經元種類，瞭解不同神經元的功能。介觀神經連接圖譜是目前神經科學的主要方向。
第三個是微觀圖譜，空間分辨率要達到納米級別。在微觀層面對神經元軸突和樹突的分佈以及突觸產生規律的研究可以得到很多有用信息的。
進一步，他認爲類腦智能研究中要考慮三個層次的認知：
第一個層次是對外界的認知，包括感知覺、多感覺整合和注意、分類等，是許多動物都擁有的認知能力，對此可以從動物模型中尋找一些信息和啓發；
第二個層次是對自我和非我的認知，包括自我意識、共情心和理解他者能力，但可能只有靈長類動物纔有，因此只能基於靈長類動物進行研究，而這是我國未來在基礎神經科學研究中最有優勢的領域；
第三個層次是對語言的認知，這是隻有人類才具有的句法、文法以及無限開放式的語言結構，對於研究人類語言的神經機制和演化起源，構建非人靈長類轉基因動物的模型是必要的。
對於這些腦網絡特性，人工智能未來研究中有可以借鑑但目前還沒有借鑑地方呢？蒲慕明院士認爲有五個重要的點：
第一，神經元很簡單，有不同性質和種類的神經元，例如抑制性神經元（信息反轉）、興奮性和抑制性神經元亞型（不同放電特性）；
第二，神經網絡有順向、逆向側向和的聯接，現在主要是正向的，而加入反向的聯接會帶來好處，而側向聯接尤其重要，並且也是有序的。
第三，神經突觸的可塑性。這個方面除了傳遞效率的增強和削弱（LTP 和 LTD）的功能可塑性，突觸的新生和修剪的結構可塑性也非常有用。
第四，記憶的貯存、提取和消退也非常關鍵，網絡中特定突觸羣的效率和結構修飾便是記憶的儲存，記憶提出是指電活動的再現於儲存記憶的突觸羣，而記憶消退則是指突觸功能與結構修飾隨時間消退。另外根據輸出對學習相關的突觸羣修飾，可進行強化學習。
第五，赫伯神經元集羣概念的應用，包括細胞羣的建立、多模態信息的整合，不同信息的捆綁、同步的信息震盪、時間相位差以及輸入信息的圖譜結構等等都可以借鑑
最後，他更是對新型人工網絡架構和機器學習算法提出了四點建議：
一是要擺脫深度學習網絡（DNN）的誘惑；
二是要以高效、節能、半監督和無監督學習爲目標，建立全新的人工智能模型和算法；
三是以脈衝神經網絡（SNN）爲基礎，加入傳遞延遲，強調時序信息的重要性；
四是，從簡單的（少數層）的網絡爲基礎，每次加入一個自然神經網絡的特性產生新的架構，然後用新的機器學習和算法來檢測效果。
除此之外， 他認爲 AI 界應該提出一個新的機器人或智能標準，從語言和感知覺能力的整合、團隊合作等更多維度去嘗試建立「新圖靈測試」。
