在ASC19超算总决赛期间，4月24日举办的“第21届HPC Connection Workshop国际超算高峰论坛”上，蔡绍棠教授发表了超算与忆阻器的演讲。虎妈是耶鲁的法学教授，能培养出这样一位女儿，想必她的父亲也不简单。事实上，她的父亲的确很厉害。
她的父亲Leon Ong Chua（中文名蔡绍棠），是伯克利的教授，他在非线性线路理论和细胞式类神经网络理论上有很大的贡献，他发明的“蔡氏线路”第一次在实际中演示了混沌现象，而且他在1971年的文章中预测了忆阻器的存在，37年后，由惠普的一个研究小组得以实现，实际造出了这一器件，他被称为“忆阻器之父”。
在今年4月21-25日于大连理工大学举行的2019 ASC世界大学生超级计算机竞赛总决赛中，Leon作为大赛评委以及国际超算高峰论坛的演讲人也受邀出席，借此机会，《赛先生》采访了Leon教授，就当下火热的深度学习、类脑计算、忆阻器的发展甚至如何教育子女，询问了他的看法。在4月25日的2019 ASC世界大学生超级计算机竞赛总决赛颁奖典礼结束后，蔡绍棠教授接受了《赛先生》的独家专访。
赛先生：今天我们谈人工智能，会认为卷积神经网络（Convolutional neural network, CNN）是一个基石，但很多研究者也在研究类脑计算，你怎么看待如此不同的两种途径，谁可以通向真正的人工智能？Chua: CNN是否代表了未来？我想还需要再看几年。现在，能看到发表出来的一些好的结果，但炒的太热了。
这些做的好的是一些简单的情形，即使是这些简单情形，依然不够实用，消耗了大量的金钱、能量和时间，学一些简单的任务就需要好几周、好几个月来学，整个过程是很昂贵和耗时的。随着对大脑认识的逐步深入，我觉得真正的人工智能才刚刚开始。现在，没有人真正知道大脑是如何工作的，没有人知道为什么深度学习有效果，它就是有效果，不像之前那样能解释原因。如果能解释的话，就能证明，但现在还没有这样的知识。
深度学习是实验上有效果，短时间内好像不太能找到原因（为什么有效果）。即使（可解释）最后得到了解决，实际中，训练模型、找到最佳的参数，也是得花很长时间才能找到答案。因为在围棋上机器战胜了人类，深度学习获得了大众关注，令人印象深刻，但也是得花很大的能量、时间去训练一个人工智能的棋手。CNN是有效果的，但不实用，这是我现阶段能说的。我想类脑计算是未来的方向。
不过，这取决于两个方面的同步发展，一是发展神经形态算法（neuromorphic algorithms），二是发展能实现这些算法的设备。因为即使你有理论，依然需要花时间（才能得到结果），但如果你有设备，就像我今天提起的忆阻器，因为我们谈的是非常快的处理，不存在计算，（就会很快）。我们今天所有人工智能做的计算，都得计算机花很长时间来解方程。
如果你用忆阻器作为一个重要部件，那就不会是解什么方程，它就是方程本身，芯片自身、设备自身，方程就是答案。首先，忆阻器非常小，如果要像脑一样处理，必须得小；第二，消耗的能量必须少，忆阻器消耗一点点能量，而且很快。今天符合这两点的（其他设备）还不存在，它们都需要用超级计算机去缓慢地解方程。