停一下手里的事兒，看一下窗外的鳥兒、松鼠甚至昆蟲。這些生物體都有復(fù)雜的生存任務(wù)，比如尋找食物、天敵的威脅、跟蹤或躲避其他動物等等。地球上沒有還沒有哪個機(jī)器人，可以做這些蟲子和小動物都能輕松做到的事情。Neurala的CEO，Max Versace，發(fā)表了一些自己對2027年時AI的預(yù)見。

雖然“自然”智慧豐富多樣，但現(xiàn)在的人文智慧仍然非常原始。目前，AI工具還是“原始的”，它們是為一個特殊目的設(shè)計和構(gòu)建的，并且相對來說并不復(fù)雜。比如，管理無人機(jī)，自駕車和玩具的代碼和傳感器等等，通常僅存在于一部分的應(yīng)用中，比如導(dǎo)航、物體識別、語音識別等等。

對于所有這些應(yīng)用類似生物有機(jī)體，AI需要一個“大腦”。目前的AI智能是設(shè)計和構(gòu)建的，以提供狹窄的隔離功能。你可以稱之為“爐灶功能”。每個功能，會斷開，在連接方面是獨(dú)立的。這意味著AI可以擊敗一個人類國際象棋冠軍，但是以呈現(xiàn)新的場景時往往分崩離析。與國際象棋玩家不同的是，這個人類國際象棋冠軍不僅可以打一場有效的比賽，而且可以進(jìn)行一些需要大量處理和判斷的活動，比如站起來、開車、談話、聽音樂、畫畫等等。所以，當(dāng)你對AI的“與人類”甚至動物的能力進(jìn)行直接和徹底的比較時，可以看到我們在人工智能方面還有很漫長的路要走。

[[188522]]

我們今天在AI與我們將在2027年看到的AI的主要區(qū)別是，未來的AI將會更像人類和動物的大腦一樣運(yùn)行，而不是分析離散輸入的爐灶加工，我們在考慮到多種感官模式的過程中進(jìn)步，我們根據(jù)多個同時復(fù)雜的因素做出決定，幫助我們?nèi)〉?**成果。

以老鼠的大腦為例。即使是最小的動物，大腦發(fā)達(dá)的程度也能解決很復(fù)雜的問題，比如飼養(yǎng)食物、避免捕食者、與其他動物交互。即使有大約兩克的大腦，老鼠的整合導(dǎo)航和視覺的能力、嗅覺與觸覺的提示，意味著它可以完成類似于感測、規(guī)劃、導(dǎo)航、避免障礙物等能力。老鼠大腦的這些分開的功能都是集成的，最終為手頭的任務(wù)提供了解決方案。動物和人類大腦的秘密在于他們發(fā)現(xiàn)了一種在同樣的低功耗組合中共同設(shè)計這些技能的方式。

[[188523]]

這些共同工程就是我們所說的“全腦”的方法，而這個新的方式就是AI所在地方。綜合處理將變得普遍，與軟件、AI和人類/動物智慧之間的界限會變得模糊不清。正如人類或動物大腦所依賴并結(jié)合多個腦區(qū)域進(jìn)行有效和自主的操作，未來的AI將利用集成的深度學(xué)習(xí)框架和邊緣處理來讓AI變得更實(shí)時。

通過將多個AI功能內(nèi)置于同一個軟件包或單個計算模塊中，由于系統(tǒng)之間的協(xié)同作用，AI系統(tǒng)將實(shí)行更快、更好的性能。這將使AI能夠完成抽象推理，允許機(jī)器執(zhí)行的、復(fù)雜的、非直觀的操作，使他們更接近我們。

比如，AI和軟件之間的模糊線可能適用于使運(yùn)輸更加容易和安全。今天的自主駕駛汽車是采用爐灶式的方法，一次添加一個傳感器或模塊，然后組合所有這些處理流。另一方面，人類將戰(zhàn)術(shù)視覺相結(jié)合——比如：

高層次導(dǎo)航：“我互道那棟建筑，我通常在這里右轉(zhuǎn)。”

遠(yuǎn)程避免碰撞：“那輛車在亂開，我會把保持距離距離。 ”

高層次的規(guī)劃：“我***走那條路，因?yàn)槟沁叢惶隆?rdquo;

雖然傳統(tǒng)的方法將導(dǎo)致難以整合的軟件和硬件組件，但全腦AI方法在整個大腦中使用相同的構(gòu)建塊，共同設(shè)計這些組件：通過模擬接觸鏈接的人造神經(jīng)元，幾乎像大腦一樣，與自然同行一樣。

另一個例子是我們與NASA的合作。當(dāng)Neurala與美國航空航天局合作設(shè)計一個“老鼠大腦”來引導(dǎo)火星漫游者在模擬的火星環(huán)境中時，我們遵循了這種全腦的方法，因?yàn)槲覀冎挥猩倭康挠嬎隳芰Σ拍芤蕾?，只能提供一個解決方案，這不僅能將所有這些功能結(jié)合在一起，而且還可以有效地執(zhí)行。

畢竟，即使現(xiàn)在的AI正在讓與我們交流的軟件和機(jī)器更好，在生活的許多部分提高了生產(chǎn)力。隨著AI開始模仿先進(jìn)的人類和動物大腦活動，它將成為越來越有用的工具，實(shí)時解決問題，并利用人性化的決策能力。在未來10年里，同樣的一體化處理使得低齡老鼠看起來像個天才，將是一種為所有人帶來好處的AI。