停一下手里的事兒，看一下窗外的鳥兒、松鼠甚至昆蟲。這些生物體都有復雜的生存任務，比如尋找食物、天敵的威脅、跟蹤或躲避其他動物等等。地球上沒有還沒有哪個機器人，可以做這些蟲子和小動物都能輕松做到的事情。Neurala的CEO，Max Versace，發表了一些自己對2027年時AI的預見。

雖然“自然”智慧豐富多樣，但現在的人文智慧仍然非常原始。目前，AI工具還是“原始的”，它們是為一個特殊目的設計和構建的，并且相對來說并不復雜。比如，管理無人機，自駕車和玩具的代碼和傳感器等等，通常僅存在于一部分的應用中，比如導航、物體識別、語音識別等等。

對于所有這些應用類似生物有機體，AI需要一個“大腦”。目前的AI智能是設計和構建的，以提供狹窄的隔離功能。你可以稱之為“爐灶功能”。每個功能，會斷開，在連接方面是獨立的。這意味著AI可以擊敗一個人類國際象棋冠軍，但是以呈現新的場景時往往分崩離析。與國際象棋玩家不同的是，這個人類國際象棋冠軍不僅可以打一場有效的比賽，而且可以進行一些需要大量處理和判斷的活動，比如站起來、開車、談話、聽音樂、畫畫等等。所以，當你對AI的“與人類”甚至動物的能力進行直接和徹底的比較時，可以看到我們在人工智能方面還有很漫長的路要走。

[[188522]]

我們今天在AI與我們將在2027年看到的AI的主要區別是，未來的AI將會更像人類和動物的大腦一樣運行，而不是分析離散輸入的爐灶加工，我們在考慮到多種感官模式的過程中進步，我們根據多個同時復雜的因素做出決定，幫助我們取得***成果。

以老鼠的大腦為例。即使是最小的動物，大腦發達的程度也能解決很復雜的問題，比如飼養食物、避免捕食者、與其他動物交互。即使有大約兩克的大腦，老鼠的整合導航和視覺的能力、嗅覺與觸覺的提示，意味著它可以完成類似于感測、規劃、導航、避免障礙物等能力。老鼠大腦的這些分開的功能都是集成的，最終為手頭的任務提供了解決方案。動物和人類大腦的秘密在于他們發現了一種在同樣的低功耗組合中共同設計這些技能的方式。

[[188523]]

這些共同工程就是我們所說的“全腦”的方法，而這個新的方式就是AI所在地方。綜合處理將變得普遍，與軟件、AI和人類/動物智慧之間的界限會變得模糊不清。正如人類或動物大腦所依賴并結合多個腦區域進行有效和自主的操作，未來的AI將利用集成的深度學習框架和邊緣處理來讓AI變得更實時。

通過將多個AI功能內置于同一個軟件包或單個計算模塊中，由于系統之間的協同作用，AI系統將實行更快、更好的性能。這將使AI能夠完成抽象推理，允許機器執行的、復雜的、非直觀的操作，使他們更接近我們。

比如，AI和軟件之間的模糊線可能適用于使運輸更加容易和安全。今天的自主駕駛汽車是采用爐灶式的方法，一次添加一個傳感器或模塊，然后組合所有這些處理流。另一方面，人類將戰術視覺相結合——比如：

高層次導航：“我互道那棟建筑，我通常在這里右轉。”

遠程避免碰撞：“那輛車在亂開，我會把保持距離距離。 ”

高層次的規劃：“我***走那條路，因為那邊不太堵。”

雖然傳統的方法將導致難以整合的軟件和硬件組件，但全腦AI方法在整個大腦中使用相同的構建塊，共同設計這些組件：通過模擬接觸鏈接的人造神經元，幾乎像大腦一樣，與自然同行一樣。

另一個例子是我們與NASA的合作。當Neurala與美國航空航天局合作設計一個“老鼠大腦”來引導火星漫游者在模擬的火星環境中時，我們遵循了這種全腦的方法，因為我們只有少量的計算能力才能依賴，只能提供一個解決方案，這不僅能將所有這些功能結合在一起，而且還可以有效地執行。

畢竟，即使現在的AI正在讓與我們交流的軟件和機器更好，在生活的許多部分提高了生產力。隨著AI開始模仿先進的人類和動物大腦活動，它將成為越來越有用的工具，實時解決問題，并利用人性化的決策能力。在未來10年里，同樣的一體化處理使得低齡老鼠看起來像個天才，將是一種為所有人帶來好處的AI。