在人工智能领域，以智源“悟道2.0”为代表的大规模预训练模型已经取得了非常大的成功，也代表了人类目前技术的最高峰。然而，在迈向通用智能的征途中，除了大数据、大算力和大模型之外，还有一大批科学家正在通过来探索生物大脑的工作机理，模仿生物大脑的认知范式，以求从生物大脑得到更多的启发，来寻找通用人工智能的另外一条路径。
在“2021北京智源大会-人工智能的认知神经基础”上，来自于神经科学、计算科学、认知科学等不同领域的六位科学家，通过跨学科的交叉讨论，分享了他们对于人工智能和脑科学之间相互错位的观点和思考，以期通过跨学科的交叉融合和相互借鉴，推动脑启发的通用人工智能研究。
刘嘉：首先我想请各位老师简单的介绍一下，他们认为脑启发的人工智能应该怎么做，和传统AI有什么区别。先请教一下杜凯老师，对于深度学习的神经元，我们通常都是将其看作简单的一个点，它的功能非常简单，而我们大脑的神经元却具有非常丰富的形态，这种复杂的树突形状在计算上会带来哪些本质上的区别？
杜凯：谢谢。
首先我想提到一点，最简单的神经系统，比如一个线虫（C. elegans），它的神经元其实非常简单，真的就像一个点，经过很多年的进化，你会发现一个很有趣的规律，当一个生物越高等，它进化出来的神经元的树突也会越来越大、越来越复杂，但是神经元胞体的大小却几乎不变，这意味着在进化当中树突的复杂性一定以某种方式和智能程度是相关的，这种复杂的树突有什么样计算上的优势，在神经科学里研究了快20年，这个研究领域称为树突计算。
简单来讲，单个的神经元细胞因为有复杂的树突结构，它的计算功能更像一个网络，而不是一个点。
最近的一篇Nature Neuroscience的文章进一步提出，因为复杂树突的存在，在大脑里进行feed forward和feed back计算的时候是分开的，这样使得我们大脑有一个很高级的功能，前向（feed forward）和后向（feed back）的传播可以同时进行，比如我们在学习的时候不需要把眼睛闭上，可以一边看东西一边学，我觉得这是和现在AI在本质上非常不一样的地方。