在《科学之路：人，机器与未来》一书中，图灵奖得主，卷积网络之父杨立昆（Yann LeCun）提出，在科学史上，技术产品的出现往往先于解释其工作的理论和科学。发现智能工作的潜在机制和原理，是他未来几十年的研究规划。新书分享会上，北京智源人工智能研究院院长黄铁军、清华大学计算机系副教授刘知远、知名科学科普博主袁岚峰三位人士，就AI是技术还是科学、人工智能的生物启发等话题进行了高屋建瓴的探讨。
杨立昆介绍了神经网络和反向传播算法的诞生历程。人们认识他大多源自于卷积神经网络。这种模型是一种组织神经元之间的连接，并将神经元组织成多层结构的特殊方式，其灵感来自哺乳动物的视觉皮层结构。这种模型结构非常适合于图像识别甚至医学分析等领域的应用。比如，现在车辆的挡风板上都有感应摄像头，能识别到汽车前方的障碍物，及时自动停车，避免碰撞。现在的大屏电视，可以从低分辨率信号中获取高分辨率视频。
这也被用于医学中的肿瘤自动检测系统，如拍X光片和核磁共振等医学成像技术。这些都是源于卷积神经网络。
黄铁军认为AI首先是技术，而不是科学。AI研究人员需要做的是构建、设计强大的智能系统。如果系统运行良好，我们再去尝试探究系统运行良好的原因，这才是科学。所以他的观点是，AI首先是技术，之后我们再去研究原理和系统。
杨立昆了解到BAAI也研究人类大脑的结构，试图理解大脑的运行机制。就功耗而言，现在大脑的效率远高于计算机的效率。假设要使计算机达到人脑的算力，能耗可能是人脑的一百万倍，但这并不意味着计算机可以复制大脑所做的事情。大脑的能耗量只有25瓦，相当于一块普通GPU。人脑究竟是如何做到的呢？生物学给了我很多灵感，好比卷积神经网络的灵感来自视觉皮层的架构。
刘知远询问杨立昆对大规模NLP预训练模型的看法。杨立昆表示，人工智能界在过去两三年中产生了重大变革，一种新型的神经网络架构——Transformer问世。实际上，这种架构类似于记忆模块，当给模型输入一连串向量，其可以产生另一个关联的向量，通过查询恢复相关的记忆。
杨立昆认为现在人工智能的一个巨大机遇就是从人类和动物身上学习经验，最好的范式就是自监督学习。自监督将变革人工智能，并让人工智能取得更大的进步。这种学习方式使得人们可以使用少量数据就能进行模型训练。当需要系统完成特定任务时，不需要过大的数据量，只需要按照现有的监督训练方式标记数据即可。
杨立昆写作《科学之路》的动因很简单，因为有需求。人们见证了生活被人工智能改变，也意识到未来将有更大的改变。
因此对大众而言，了解人工智能的一些知识是很重要的。这本书分为三个部分。第一部分是历史，解释了基础概念，讲解神经网络和深度学习的发展；第二部分讲述数学、算法和计算机科学的基础原理，读者不需要具备相关的知识储备，仅具有高中及以上的水平就可以读懂；最后一部分是人工智能在今天的应用，包括机器翻译、内容审核、计算系统等，还介绍了未来的发展趋势，探讨人工智能到底在研究什么。
杨立昆对中国的人工智能研究持乐观态度。他认为中国年轻人对人工智能热情高涨，政府也对投资、研究和部署人工智能很重视。过去的几十年里，中国的科学界非常活跃，取得了令人难以置信的成就，而其中最为出色的领域之一就是人工智能和深度学习，计算机视觉顶会中有一半都是中国的论文。