NeuroAI：迈向下一代人工智能(7)

我们需要什么？
实现这些目标需要大量资源，也需要在传统人工智能和神经科学之外的许多学科做出贡献，包括心理学、工程学、语言学等，除了简单地利用这些领域的现有专业知识，当务之急是培训新一代在工程/计算科学和神经科学方面同样精通的人工智能研究人员。这些研究人员将借鉴神经科学过往几十年的进展，为人工智能研究制定根本性的新方向。最大的挑战将是确定如何利用神经科学、计算科学和其他相关领域的知识来协同推进我们的探索：确定大脑回路、生物物理学和化学的哪些细节是重要的，以及在人工智能的应用中可以忽略哪些细节。因此，迫切需要在不同领域接受过适当培训的研究人员将神经科学知识抽象出来，使其适用于计算机，并帮助设计实验，以产生与人工智能相关的新的神经生物学见解。该研究项目的成功取决于神经科学和人工智能领域的专家研究人员群体的形成。
其次，我们需要创建一个能够开发和测试这些虚拟智能体的共享平台。在创建一个迭代的、具体化的图灵测试和进化人工有机体来解决这个问题时，我们将面临的最大技术挑战之一是计算能力。目前，在专用分布式硬件上针对单个具体任务训练一个大型神经网络模型（例如三维空间）可能需要数天时间 (Liu et al. 2021)。为了让多个研究小组在越来越复杂的具身图灵测试上一起工作，在多代的进化中优化和评估大量的智能体，我们需要在共享计算平台上进行大量投资。就像物理学中的粒子加速器或天文学中的大型望远镜一样，这种大规模的共享资源对于推动脑启发的AI研究至关重要。实现这个目标需要一个大型组织的努力，还需要政府和来自工业界的支持，其核心目标是在动物和类脑智能上面取得进步。
第三，我们需要支持计算神经科学的基础理论和实验研究。在过去的几十年里，通过NIH的努力，在很大程度上由于“脑计划”和其他主要资助方的努力，我们已经了解了大量关于大脑的知识。现在，我们对大脑单个细胞元素、神经元的巨大多样性，以及它们作为简单环路的一部分是如何发挥作用的，已经有了一定的了解。有了这些构建模块，我们就可以将注意力转向理解大脑作为一个综合智能系统是如何运作的。这将需要深入了解1000种不同类型的1000亿个神经元是如何连接在一起的，以及其计算能力，即智能是如何连接在一起的，每个神经元都与数千个其他神经元进行通信，并具有可变的、可适应的连接。我们必须对大脑进行逆向工程，把基本原理抽象出来。请注意，虚拟智能体的发展本身将大大加快这一努力，因为它允许在真实动物和数字动物的实验之间进行直接比较，这些尝试将提供对鲁棒控制、灵活行为、能源效率和智能行为所必需的神经环路级别属性和机制的洞察。