脑科学与人工智能的融合：类脑计算进展.docxVIP

脑科学与人工智能的融合：类脑计算进展

一、引言：脑科学与人工智能双向赋能的时代必然

自人工智能学科诞生以来，借鉴人类智能的实现机制打造具备自主思考能力的机器，始终是领域发展的核心目标。从早期基于符号逻辑的推理系统，到当前以大模型为代表的深度学习技术，人工智能已经在图像识别、自然语言处理、游戏博弈等特定领域达到甚至超越了人类专家水平，在各行各业催生了大量落地应用。但随着技术应用的不断深入，当前以数据驱动、统计拟合为核心的人工智能范式逐渐显现出难以突破的瓶颈：大模型训练与推理需要消耗巨量的算力与电力，对部署场景的硬件条件要求极高；模型依赖海量标注数据训练，在小样本、动态变化的开放场景中鲁棒性不足，容易出现对抗性错误；模型普遍存在“黑箱”问题，缺乏常识推理与因果判断能力，距离人类水平的通用智能仍存在显著差距（张钹等，2022）。

在这样的背景下，与脑科学的深度交叉融合，成为人工智能突破现有发展瓶颈的重要方向。人类大脑是经过亿万年进化形成的最完备的智能系统，其低功耗、高鲁棒性、强泛化性的信息处理机制，为人工智能的技术迭代提供了天然的学习蓝本；反过来，人工智能领域发展出的建模、仿真与分析技术，也为脑科学破解人类智能的神经机制提供了全新的研究工具。作为脑科学与人工智能深度融合的核心载体，类脑计算旨在借鉴人脑的结构组成、信息编码机制与认知加工规律，构建全新的计算架构与智能模型，最终实现“像大脑一