生物学能激发下一波人工智能吗？

赖特兄弟（Wright Brothers）在20世纪初制造了世界上第一架飞机时，从鸟类的“有见识”运动中汲取了灵感。他们观察并对自然机翼的各个方面进行了逆向工程，这反过来又帮助他们在空气动力学和推进方面取得了重要发现。

同样，要构建具有思考能力的机器，为什么不从我们两耳之间运作的三磅重物质中寻求灵感呢？人工智能的先驱，图灵奖的获得者杰弗里·欣顿（Geoffrey Hinton）似乎同意：“我一直坚信，使人工智能发挥作用的唯一方法就是以类似于人脑的方式进行计算。”

那么，人工智能（AI）的下一步是什么？下一波AI会受到生物学快速发展的启发吗？在分子水平上理解大脑回路的工具是否可以使我们对人的思维方式有更高的系统层次的理解？

答案可能是肯定的，而且在学习生物系统与开发人工系统之间的思想交流实际上已经持续了数十年。

机器学习的起源：人脑科学生物学与机器学习有什么关系？得知机器学习的许多进步来自心理学和神经科学AlphaGo在围棋游戏中具有超人的表现，但其人类对手仍然拥有更多的通用情报。他可以在任何环境下开车，讲语言，踢足球以及执行许多其他任务。当前的AI系统在很大程度上无法利用学到的知识来玩扑克并将其转移到另一项任务上，例如玩Cluedo游戏。这些系统专注于单个狭窄的环境，需要大量的数据和培训时间。生物学是人工智能最有希望的受益者之一。从研究促成肥胖的令人难以置信的遗传突变组合到研究导致某些细胞失控并产生癌症的拜占庭途径，生物学产生了大量复杂而令人费解的数据。但是，这些数据集中包含的信息通常提供有价值的见解，可用于改善我们的健康状况。

在合成生物学领域，工程师寻求“重新连接”活生物体并为其编程以新功能，许多科学家正在利用AI设计更有效的实验，分析其数据并使用其来创建突破性的疗法。我最近重点介绍了五家将机器学习与合成生物学相结合的公司，以为更好的科学和更好的工程铺平道路。

人工智能：人工智能的圣杯

人工智能（AGI）描述了一种能够模仿人类能力的系统，例如计划，推理或情感。在这个令人兴奋且可能有利可图的领域中已投入了数十亿美元，这使一些人提出了诸如“ 数据就是新石油 ”之类的主张。国际的目标之一是模拟人脑。

尽管实现AGI需要越来越多的人才，工具和高质量数据，但要实现这一目标，我们还有很长的路要走。

机器学习（ML）之类的AI技术在我们的社会中无处不在，从医疗保健，制造业到运输和战争，都可以称为“狭窄的AI”。他们确实可以处理和学习大量数据，以识别一项任务的有见地和信息丰富的模式，例如预测机票价格，在图像中区分狗和猫，以及在Netflix上生成电影推荐。

在生物学中，人工智能也在改变您的医疗保健。它正在产生更多更好的候选药物，对基因组进行测序，以及越来越早地检测出癌症。

为了产生更先进的AI，我们需要更好地了解大脑的内部运作方式，从而描绘出周围的世界。在理解生物智能与创造人工智能之间存在协同作用，从大脑中寻求灵感可能有助于我们弥合这一差距。