本文来源：人工智能与大数据
人类社会的演进，本质上是一个持续发现、认知与创造的过程。远古时期，人类通过工具解决生存需求，逐步观察自然现象、掌握内在规律，并由此开始改造乃至创造世界。这一循环构成了社会进步的根本逻辑。
进入信息时代，年仅25岁的艾克特带领团队研制出世界上第一台电子计算机。随后，冯·诺依曼提出的计算机架构奠定了现代计算机的基础，至今仍在沿用。计算机的诞生推动世界进入数字化时代，这一过程包含两个关键阶段：符号化与模型化。数字用于描述现象，而模型化则是深度理解现象的过程。自1946年以来，计算机在不到一个世纪的时间里，为人类创造了不可估量的价值。
那么，人工智能在这一进程中扮演着怎样的角色？
人工智能如何参与理解并改造世界
在人工智能时代，三位深度学习领域的奠基人荣获2019年图灵奖：杰弗里·辛顿（反向传播算法）、杨立昆（卷积神经网络）和约书亚·本吉奥（序列概率模型）。他们的贡献为AI发展奠定了基石。
那么，人工智能究竟如何实现理解与改造世界？王恩东院士曾提出一个具体问题：如何预测蛋白质的功能？这类复杂问题，依靠人脑计算几乎不可能解决。以深度学习为核心的人工智能技术，已在科技、医疗、电子、金融等多个领域广泛应用，正如业界所言，人工智能具有强大的赋能作用，发挥着“头雁效应”。
人工智能面临的局限与挑战
然而，仅关注AI的优势并不全面，其局限性更值得深入探讨。以自动驾驶为例，当前应用在鲁棒性、迁移性和能效比方面存在明显短板。在医疗领域，清华大学与301医院合作，利用20万条男性50岁脑卒中数据训练模型，但预测女性脑卒中疾病时，准确率显著下降。这暴露了算法自适应能力的不足。此外，尽管AI能解决诸多问题，但其工作原理至今缺乏明确的可解释性。
莫拉维克悖论是一个经典案例。波士顿动力的机器人能完成翻跟头、跳舞等高难度动作，但若要求它将一个物体放置到有障碍物的桌子上，却无法实现。这揭示了人工智能的核心困境：难以理解场景与对象间的复杂关系。AI可以胜任成年人的体力任务，但在认知理解能力上，甚至不如一岁的婴儿。
脑科学对新一代人工智能的启示
由此可见，人工智能面临诸多技术瓶颈。如何突破？或许需要追根溯源。深度神经网络的发展，很大程度上借鉴了脑科学的研究成果。仅视觉和听觉部分脑功能的发现，就已极大推动了AI进步。若能全面理解全脑运作机制，将为人工智能带来革命性变革。
对比深度学习与人类视觉，生物视觉的运行机制是宏观与微观的循环交互。例如，绘画时先勾勒轮廓再填充细节，人眼观察时也先感知整体场景，再聚焦局部目标。高级视觉抽象与初级视觉边缘检测之间存在着持续的回环反馈。而计算机视觉仅能执行从微观到宏观的单向处理，无法反向交互，这正是AI的困惑所在。例如，当看到一张熊的照片碎片时，人眼仅凭边缘信息就能瞬间识别；而AI由于缺乏宏观与微观互动，必须通过大量数据反复训练才能识别。
因此，对场景中复杂关系的理解，是人工智能未来发展的关键。以往AI主要针对小场景、少对象、简单关系，通过微观图像训练模型和算法，一旦面对大场景便束手无策。未来方向应是使AI具备对大场景、多对象、复杂关系的精准理解能力，这才是弥补现有短板的正确路径。
脑科学赋能新一代人工智能发展
脑科学致力于探索人类思维机制，而图灵奖关注机器如何思考，两者传统上并行发展。AI专家常将脑科学中的现象和模型应用于人工智能，这启发我们：能否在脑科学与AI之间搭建一座桥梁？这座桥便是认知计算，其两大支柱是多模态回路观测与多层次认知模型。唯有打通微观与宏观的循环交互，才能实现新一代人工智能的突破。
具体如何进行这些研究？先看数据：小鼠拥有亿级神经元，恒河猴达百亿级，人类则达到千亿级。神经元数量大致反映智能程度。有趣的是，斑马鱼仅需80-100万个神经元即可正常运作。而MIT去年的一项研究，构建了仅含18个神经元的机器人，便实现了自动驾驶。
2016年，美国IARPA启动MICrONS项目，被誉为“阿波罗脑计划”。该项目耗资一亿美元，旨在解析一立方毫米大脑皮层中10万个神经元的连接方式。参与者包括CMU的Tai Sing Lee、哈佛大学的David Cox及贝勒医学院教授，是一个典型的交叉学科项目。前两位科学家曾访问清华，探讨10万个神经元活动的构建方法，以及神经元活动连接与机器学习算法之间的关系。
清华大学团队开发了RUSH-II（多维多尺度高分辨光学显微成像系统），用于观测小鼠和大鼠全脑神经元连接及其行为变化。该系统是目前世界上视场最大、数据通量最高的高分辨光学显微镜，视场达1平方厘米，分辨率0.4微米（400纳米），可清晰观察神经元及其轴突、树突的连接。目前，团队正在观测猕猴的全脑神经元活动——猕猴是更接近人类的灵长类动物。下一步，团队计划将脑机接口与观测仪器结合，不仅观察神经元连接，还记录放电过程，这可能揭示意识转移的机制。
按照这一路径，新一代人工智能不能仅依赖微观观测，宏观观测同样关键。需将CT核磁共振、全脑高分辨率光学观测、多模态观测相结合，才能理解神经元之间的信息传递。我们正与数学家合作，尝试构建新型网络模型，融入记忆环路、生物机制、物理熵平衡原理，推导新型神经网络模型。这需要综合考虑生物化学机制、数学物理约束、短期与长期记忆过程，以及新一代神经网络推理的自增强等多个方面。这就是我们从脑科学迈向人工智能的核心思路。
大场景多目标智能理解与认知
人工智能的终极目标是拓展人类发现、认知与创造的能力。人眼感知受限于空间、时间、波长等多维度，而AI完全可能具备超越人类的感知能力，例如通过仿生光学复现鹰眼、猫眼、果蝇的感知特性。同时，海量信息已超出人类处理极限，需交由机器继续感知。
人眼视觉感知像素数不足6亿，而机器视觉可达10亿甚至百亿像素，更强的感知能力带来更丰富的信息。要理解大场景中多个动态目标的复杂关系，必须构建新一代AI模型，使其看得全、清、准。这需要大场景、多对象的数据平台。然而，宽视场与高分辨率之间存在物理矛盾。为此，我们提出非结构化概念与原型系统，使不同相机能够自调整，具备高鲁棒性。基于此，构建了10亿像素的PANDA数据视频平台。例如，清华主楼门口人群行走时，系统可实时识别理解；马拉松比赛中的万人人脸识别，均旨在解决大场景、多对象、复杂关系问题。该平台已在CVPR、ICCV及2021全球人工智能技术大会上公开并举办比赛，吸引6千余支队伍参与。我们与王恩东院士讨论，是否可建设更大数据平台，专门解决复杂场景中的复杂关系理解。
从感知智能迈向认知智能，需解决两大问题：模型与数据。认知智能的价值在于促进大范围动态场景时空关联的建模分析，支撑数字城市的构建与理解，从而建立物理世界对应的数字孪生城市。目前，我们在杭州开展相关工作，尝试构建数字孪生城市形态，期望为智慧城市做出实质性贡献。
总结
综上所述，我们需要从脑科学出发，构建新一代人工智能的理论、方法和技术，同时搭建大规模数据平台以验证这些理论和模型的可行性。未来新一代人工智能需要大场景、多对象的数据平台，足以从物理城市构建出数字孪生城市，最终实现真正的智慧城市。届时，新一代人工智能的理论、模型和算法才算真正成型。