文章| CJ 在最近举行的 EmTech China 上，来自世界各地的十多位演讲者发表了演讲。
其中，麻省理工学院计算机科学人工智能实验室的Tomaso Poggio教授、商汤科技研究院院长王小刚教授、高通全球副总裁Charles Bergan都提到了相同的观点。
他们都认为我们所说的人工智能和人类智能来自不同的来源。
人类的学习不需要数百万个例子，人脑也没有数千层的神经网络，但人类的学习能力却很强。
这意味着现在的人工智能可能还不是真正的人工智能。
Tomaso Poggio教授：深度学习在生物学上没有意义。
Tomaso Poggio 教授来自麻省理工学院计算机科学人工智能实验室。
他认为深度学习就像这个时代的炼金术，未来将会转化为真正的化学。
过去五年，人工智能取得了巨大成就。
这些成就来自机器学习的两种算法：深度学习和强化学习，它们都来自认知科学和神经科学。
深度学习可以帮助解决10%的问题，剩下的90%可能需要神经科学和认知科学的研究。
为了更好地了解人类的心智和大脑，托马索·波吉奥教授所在的麻省理工学院大脑、心智和机器中心（CBMM）也在五年前开始了这样的研究。
Poggio教授认为，CBMM的使命是在理解认知方面取得新进展，同时我们需要了解整个智能架构以及智能背后的科学原理。
智力科学将有助于回答最重大的问题，了解生命的起源，包括宇宙的起源和时间的起源。
大脑中智能的产生是科学现在需要解决的一个元问题。
此外，在随后的采访环节中，波吉奥教授还表示，我们现在面临的最大挑战是，今天所谓的“人工智能”可能从根本上是错误的，因为从生物学层面来说它没有意义。
（不合理），因为即使在婴儿时期，人类也不需要通过数百万个例子来学习和识别某些东西，这在深度学习中很常见。
提高机器学习智能的突破可能在于与人脑相关的研究。
商汤科技王小刚：大脑并没有超过一千层的神经网络。
商汤科技研究院院长王小刚教授表示，商汤科技的神经网络现在已经可以实现+层了。
虽然神经网络层数相比去年有所增加，也提高了学习能力，但这并不是提高学习能力的唯一途径。
因为人脑没有一千多层的神经网络，却有很强的学习能力。
这是因为大脑的信息传输机制非常复杂，而传统的神经网络只是从较低层到较高层的简单传输机制。
随后，王小刚教授展示了其团队在2018年设计的大规模物体检测网络。
在该网络中，不同分辨率的特征信息可以在同一层神经网络中传递并相互验证。
还设计了不同的门来控制传输信息的流动，例如可以传输什么样的信息。
王教授表示，一开始，商汤科技使用不同的神经网络来解决不同的问题，但实际上我们人类只有一个大脑，但我们可以用一个大脑来解决各种复杂的问题，包括三维物体形状。
感知、理解文本、识别和跟踪视频中的对象以及处理声音。
神经网络也有这样的发展趋势。
未来，人们希望利用网络来完成各种复杂的任务。
Charles Bergan：机器学习如何实现一次性学习。
高通全球副总裁 Charles Bergan 认为，未来机器学习可能发生的最大变化是可以在某些方面实现像人类一样的一次性学习。
他举了一个例子，据说人类只需要触摸一块石头就知道这块石头是什么，而不是像机器学习那样研究一百万块石头。
虽然现在大家还不知道如何实现，但是当这个理论被研究出来的时候，这将是这个行业最大的改变。
黄铁军教授：人工大脑，强人工智能的载体，30年内将被创造出来。
去年12月23日，在北京大学举办的“人工智能前沿论坛”上，北京大学信息科学与技术学院计算机科学与技术系主任黄铁军教授也表达了类似观点。
黄教授认为，强人工智能意味着自我意识和通用智能达到人类水平，而强人工智能是人工智能的最终目标，这一目标可能在未来15-30年实现。
人类的智能依赖于人的大脑和身体，但承载强大人工智能的机器可能不是经典计算机，因为人工智能的参照对象是人脑，而今天的经典计算机与人脑几乎没有相似之处。
要构建大脑，就需要了解大脑的原理，而目前的生物科学还没有达到这个水平。
不过，这并不意味着真正的人工智能的“大脑”无法制造，因为历史上的工程技术在大多数情况下都领先于科学，比如飞机。
先制造出飞机，然后才是科学，世界才发展出空气动力学。
真正的创新是创造一个科学原理无法解释的系统，然后找到解释和科学原理。