我們不得不承認，簡單來說，在一些重復性的工作方面，復雜來說，在一些精確性的計算統計方面，機器的辦事效率已經遠遠超過人類，這也是自動化設備如此受歡迎的原因。但與此同時，效率高的機器也存在不具備人腦的創新性，復雜多樣的思維模式的缺點。

　　我們復雜的思維模式依賴于我們成千上萬的神經網絡結構，類腦智能就是對神經結構的研究。

　　類腦智能的研究意義

　　1、賦予機器人自主學習能力

　　人工智能科學家們正在不斷突破，比如說裝備了人工智能大腦的無人機，它可以不需要程序設定，像人類一樣觀察現場，調整自身姿態，做出穿越窗戶的決策;而能夠模擬人類大腦的第二視覺系統的無人機則可以進行本能的閃避反應。所有這些實驗，所依靠的是生物腦模擬系統，科學家們通過對人及其他哺乳動物進行腦的生理結構解剖，在計算機中重構腦腦模型，隨后，利用這個虛擬腦模型，分析和處理信息。

　　在生物中，海馬區可以幫助大腦在記憶過程中自動篩選過濾掉無用信息，而自從裝備了數字海馬區之后，機器人竟然也可以隨之獲得生物體記憶抗噪功能。在未來，這種類腦智能的機器人，將走出實驗室，產業化進入人類生活，他們不僅可能擁有人類的感知、學習和決策能力，而且可以擁有更為強大迅捷的軀體，人類社會將發生革命性變化。

　　2、賦予機器人自我認知能力

　　在中科院自動化所中，有三個特殊的機器人，只要看到鏡子中有紅點露在它們身上，它們就會用手去抓，這個測試叫做鏡像測試，別看這個實驗看起來很簡單，但其實在自然界，只有黑猩猩和海豚這樣的高等生物才能通過這項測試，證明它們具備和人一樣的自我意識。現在這三個全球首個以類腦方式通過鏡像測試的機器人，正在和我們一起生活在地球之上。在未來，將有更多這樣具有自我意識的機器人，改變我們的生活。

　　3、實現人類腦圖譜的繪制

　　人類腦圖譜未來發展將從標本走向活體，從粗糙走向精細，從單一的解剖結構描述到集成結構、功能和連接模式等多種知識的綜合描述，為實現類腦智能技術及腦科學和腦疾病研究的源頭創新奠定重要基礎。中科院自動化所引入了腦結構和功能連接信息，對腦區進行精細劃分和腦圖譜繪制的全新思想和方法，系統建立了新一代人類腦圖譜繪制所需要腦亞區劃分的新理論和新方法，成功繪制出全新的人類腦網絡組圖譜，該腦圖譜包括246個精細腦區亞區，比現有腦圖譜既具有更精細的腦區劃分、又具有亞區解剖與功能連接模式的全新活體腦圖譜。該腦網絡組圖譜發布之后，引起了國內外的廣泛關注，腦網絡組圖譜的成功繪制入選兩院院士評選的“2016年中國十大科技進展新聞”，以及“2016年中國十大醫學進展”。

　　腦類智能研究中的四個問題

　　科學家們在類腦智能領域面臨著很多難題，以下我們簡單介紹四種。

　　1.視覺感知難。

　　機器人的眼睛常常依賴于機載的攝像機來采集視覺圖像。機器人大腦如何從圖像中識別關鍵信息呢?如人臉、手勢或障礙物。在常規環境下，現有技術已經可以高精度地實現這一任務。但是自然條件下，視覺圖像由于光線、視角、物體運動等多類不穩定因素的綜合影響很難被準確識別。盡管一系列性能優異的深度學習理論模型大量涌現，但是復雜環境中的視覺感知依然是一大難點，目前突破有限。

　　2.溝通交流難。

　　機器人怎樣與人對話呢?機器人依靠傳感器收集外界聲音信號，通過語音識別系統和相關處理技術將信號進行分析解讀。機器人“聽懂”之后，其“中樞系統”會做出相應的動作指示或通過語音合成器模擬人類說話。在嘈雜的現實環境中，現有的語音識別技術很難成功而高效地實現語音識別、理解和處理操作。

　　3.大腦思考難。

　　機器人的“大腦”是一個智能終端，負責著繁雜的計算任務以及信號接收、指令下達等重要功能。同人類一樣，機器人沒有“大腦”或者“大腦”不太靈光都使得行為遲緩，甚至整個機體“癱瘓”。隨著機器人應用范圍的不斷擴充，“大腦”容量、思維速度等方面都有了更高的要求。目前科學家們嘗試著將云計算、云存儲等先進技術引入到機器人后臺上，努力讓機器人“大腦”向著信息更豐富、運算更快、反應更準確、學習更靈活的方向邁進。

　　4.穩定行走難。

　　區別于機械臂等固定作業的機器人，類腦智能機器人的應用一定是個動態過程，換句話說機器人要有一條堅固、靈活的“腿”。機器人的“腿”不在于長短、粗細，更關注的是其穩定性、自由性。受到生物學啟發，科學家們嘗試著將人類腿部膝關節彎曲伸展的工作機制移植到機器人上，以此來看，雙足機器人將有望跨越臺階，行走在山地、災后等地形復雜的環境中，將人力從高危行業中解救。

　　類智能技術是讓機器學習人的思考模式，這一技術的前景一直被看好，類腦智能將依托于人工智能，促進其他行業的發展。