当许多人热议人工智能、类脑仿生时，或许也该知道一个相关的冷门知识——如果将大脑活动时的生物电状态转换成普通电流，功率约是20瓦。

　　昨天，世界人工智能大会类脑人工智能主题论坛圆桌会议上，因为“怎样向这个功率20瓦的大脑学习并发展人工智能”这个问题，来自脑研究领域和信息科技研究领域的“大牛”们“吵架”了。

　　“大脑研究和人工智能是如何相互启迪的？”会议主持人、2013年诺贝尔化学奖得主、斯坦福大学结构生物学教授迈克尔·莱维特发问，并点名请英国皇家学会会士、英国伦敦大学高等研究院感知学习中心主任科林·布莱克莫尔首先来谈谈看法。

　　事实上，发展人工智能，始终是硬件和软件双线并行。究竟是以仿生为主线，还是以大数据基础上的信息科学为主线，也成为学界关注的焦点。

　　科林的回答耐人寻味。“此前的发言中我已经谈到过，人工智能研究取得了巨大的成就，很多成就的取得依靠的是和大脑完全不一样的机制，例如强大的运算能力和海量可扩展的存储能力等等”，他说，人工智能也可以在不加选择的情况下同时进行大量流程的并行运作，大脑的运行结构肯定不一样。在科林看来，科学家们所需要的，是将生物大脑以及人工智能的技术进行中和，使后者具备更高的灵活性。

　　对此，中国科学院院士、中国科学院脑科学与智能技术卓越创新中心主任蒲慕明有不同的观点。“在人工智能神经网络的发展过程中，很多基石都来自过去。有些是得益于人脑的研究，例如人脑是如何来分析信息的。”他认为，未来人工智能领域的研究进展，应受益于更多脑科学研究成果的融入。“现在，我们对大脑认识得还不够，只能简单地模拟大脑。”他认为，人工智能现在的路径尚未达到最优，研究者需要深入了解大脑网络的优势，并将其到机器学习的算法中。

　　“我想补充一点，全面了解人脑，在当下还不太可能。”复旦大学类脑智能科学与技术研究院院长冯建峰提出，“我们只能部分地、一步一步地了解人的大脑，也许要花一百年时间才能做到，或者说永远不可能了解人类大脑全部机制和功能，但是我们可以掌握不同部分的功能，并且逐步应用，这也是比较有效率的。”

　　“其实，世界上最高超的智能并不是人的大脑，或者是人工智能计算机，而是整个生物进化机制，可以有效地学习，利用信息，收集信息，处理信息，最后能够适应环境并存活下来。”作为主持人，迈克尔·莱维特道出自己的想法，“如果有足够的进化时间，它什么都能学会。人脑经过进化已经能够非常高效地处理数据了，可以用更少的参数来完成信息的处理和决策。”

　　讨论依然没有结果。正如在人工智能最前沿的学界，来自生命科学、计算机科学、信息技术、大数据等多个领域的专家正在以自己的研究实践，坦诚表达观点，共同求解“人工智能如何前进，又该走向何方”这道命题。