编者按：由中国开源软件推进联盟名誉主席陆首群发起的《评人工智能如何走向新阶段》讨论引起的广泛议论，观点有深有浅，希望其中有思考价值的内容会推进和启发人工智能的新突破。讨论内容已正式上线CSDN博客（见文末地址）。
欢迎读者们在文末发表自己对人工智能发展的看法，我们将为有独到见解且点赞最高的三条评论分别送出一本人工智能领域的技术书籍。
当前人工智能依靠的底层理论是基于人工神经网络的深度学习，而深度技术算法所支持人工智能应用空间主要集中在（或局限于）图像和语音识别（以及如AlphaGo围棋游戏）。人工智能识别做的是比对，不具备人脑对信息入脑后进行加工、理解、思考、创意等步骤，还停留在感知阶段，未能进入认知世界。
机器学习/深度学习算法兴起于上世纪50年代，一直沿用至今，目前世界上开发的深度学习模型多达多种（以适用于不同应用场景），深度学习算法是一种强大的数据分析工具，但深度学习算法也是有缺陷的，深度学习本质上是一项暗箱技术，其训练过程难以解释、不可控，也未能适应更复杂的应用场景的需求。今天深度学习算法的潜力已近天花板，限制了人工智能扩大应用创新。
谷歌近来研究用于基因科学的人工智能AlphaFold，预测蛋白质折叠结构的能力，以设计出新的蛋白质，他们采用深度学习的方法，用数千种已知蛋白质训练神经网络。
年IBM研究类脑算法，开发TrueNorth芯片，支持人工智能应用创新。IBM开发基于大规模脉冲神经网络的类脑算法的TrueNorth芯片，是由个细小的计算内核组成，这些计算内核形成了万个数字脑细胞和2.56亿个神经回路，像“大脑神经元”一样工作（不同于运行打包成指令序列的传统人工智能芯片）。
年在《nature》杂志封面上发表了清华大学施路平团队研发的“世界首款双控异构融合类脑芯片”，其意义非同凡响！
年清华大学类脑研究中心施路平团队研发类脑技术，将基于脉冲神经网络（SNN）的类脑计算算法与基于人工神经网络（ANN）的深度学习算法集成到一颗芯片“天机芯（TianJic）”上，实行资源复用，利用交叉优势，使人工智能应用创新更接近于“自主思考”的认知阶段。
天机芯应该属于CGRA结构（这是一种更高层次的可重构技术），对应Tianjic的FCcore是一个结合了SNN和ANN主要算法的统一硬件结构，而且在一块芯片上同时支持商业应用和算法研究，可以说这是Tianjic最大的创新点。在无人驾驶的自行车上进行功能验证，应该说施教授团队选择如此应用場景让人眼前一亮，极具吸引力和冲击力。
浙江大学从年至今研发脉冲神经网络及类脑算法，今年他们发表了“达尔文-2”第二代类脑芯片，在该芯片上集成15万个神经元网络（相当于果绳神经元），用于图像识别、人脸识别。
现在看来，IBM、Intel（研发Loihi芯片）、清华、渐大，均偏重于底层理论研究，即偏重于对类脑脉冲神经网络及类脑算法的研究。脉冲神经网络（SNN）是模拟生物神经元连接和运行方式的模型，通过计算产生神经电脉冲进行信息传递，这和传统网络的权重连接+激活的方式有很大差别。目前国内外学术界和产业界正致力于对SNN研究，期望突破深度学习算法，但对SNN的新算法的研究还处于发展的萌芽期。
研发“脑机接口”算法也已启动，即将人脑神经元与脑外深度学习机器人（或机械手、计算机）连接起来。如：今年8月美国卡内基梅隆大学贺斌教授团队将一块“脑机接口”芯片植入人脑，与大脑神经元连接成功，从此可凭人的意念（思维或想象力）利用人脑神经元来操控机器。今年发表的由俄罗斯“脑机接口”公司（Neurobotics）和莫斯科物理技术学院（MIPT）研发一种全新“脑机接口”算法，利用“脑机接口”将人脑（EEG）神经元与深度学习网络连接起来（本例采用无需植入大脑的非侵入电极，与人脑神经元无创连接），期望用于治疗中风患者。美国脸书（Facebook）和加州大学旧金山分校（UCSF）于今年7月发布的“脑机接口”技术（刊载于《Nature》子刊上），实时读取人类语言、可用意念打字、用人眼超高精度摄像等。
以数据驱动和知识驱动的认知算法也在探索中。IBM沃森（Watson）在医疗人工智能方面研究知识驱动，建立大规模的知识库，研究知识表示和推理，建设知识工程，促使人工智能由感知阶段上升到认知阶段。新一代知识工程与以前提出的知识工程不同之处在于：1.后者利用现有数据按传统方式进行逻辑推理，前者要求挖掘新数据，创新思维和创造性地工作；2.前者引入具人（embodiment）人工智能，如在探索医疗人工智能中，要求研发新算法的科技人员与临床医生取得沟通和共识。
归纳起来，未来突破深度学习的新算法有下面几种可能：
1)脉冲神经网络硬件实现与类脑智能算法，
2)将真脑（神经元）与脑外计算机相连的脑机接口算法，
3)知识表示，数据与知识驱动相结合的认知算法。
《评人工智能如何走向新阶段》后记
自《评人工智能如何走向新阶段》一文发表后，引来了中外专家、草根们广泛议论，也有人摘录他人公开的言论、资料，一倂作跟帖发表于后，对这些跟帖：有深有浅，有些或带有错误和歧见，但其中有一些不乏具有启示、参考价值，鉴于大家的热情，我们将不断续发跟帖。现发表从1条-95条的跟帖如下：
1．目前人工智能在理论上并无明显进展，依赖于云计算、高存储、分布式系统和深度学习，今天人工智能的成果，都是基于以前理论研究对应用场景的实现上。未来人工智能的发展期望在理论和生物技术上的突破。
2．脉冲神经网络（SNN）可以模仿人脑的电气信号，是模拟生物神经元连接和运行方式的模型，通过计算产生神经电脉冲进行信息传递。目前，国内外一些专家正在对脉冲神经网络进行研究，未来人工智能的发展期待对脉冲神经网络和类脑算法的关键性突破。
3.人工智能如果要突破情感还需要化学成份，需要这方面的专家进行底层理论协同研究。
4.人工智能还需要心脏类（生物器管）的东西，对“器官记忆”这类仿生学的研究也许是人工智能底层理论研究的关键之一。
5.未来人工智能的发展还需要进行伦理方面的研究。
6.现时国内在构建人工智能核心技术的工具或框架上，在开源平台上，以及在人工智能硬件（如微处理器芯片）方面，还是比较落后的，过去这些开源平台和高端芯片大多是由美国方面设计、研发的，人工智能开源平台可以帮助电脑像人脑一样工作（百度的“飞桨”平台是由中国人开发的先例）。国内大概需要花5-10年时间才能在基础理论和核心算法上追上美欧水平。
7.为了推动人工智能的发展，人才是关键，为此要制定和执行人才政策以及人才培养、引进和使用计划，政策和计划的前提要体现开源开放精神。一位美国专家谈“如果美国不再提开放开源的前沿，那就是在冒险将人工智能人才送到主要竞争者手里，包括中国”。
8.年清华大学施路平教授等研发“世界首款双控异构融合类电脑芯片”（将基于脉冲神经网络SNN的类脑计算算法与基于人工神经网络ANN的深度学习算法集成到一颗芯片“天机芯（Tianjic）”上，将人工智能的应用创新推进到更接近于具有“自主思考”成份的“认知智能”阶段。第二代“天机芯（Tianjic）”的照片刊登在英国《nature》杂志的封面上。
9.IBM从年开始研发TrueNorth芯片，进行底层理论研究（即对类脑脉冲神经网络SNN及类脑算法的研究），以期推动人工智能发展。两年前IBM发布类脑芯片TrueNorth引起了轰动。IBM先搞了一个简易的核心电路，采用asynchronouscircuit，当时是非常大胆的，这个研究项目主要是为了验证神经形态计算硬件。因为芯片面积超过平方毫米，良品率非常低，不能量产，随后SynapseProject已结束了。
10.脉冲神经网络类脑芯片的进步将会带来计算体系结构的革命，是下一代人工智能发展的重要突破方向。由浙江大学牵头研发的脉冲神经网络类脑芯片“达尔文2”已于近期发布（年发布“达尔文1”，现在已启动研究“达尔文3”），达尔文2单芯片由个内核组成，每个内核支持个神经元、神经突触0多万（即单芯片支持的神经元规模达15万个），经过系统扩展可构建千万级神经元类脑计算系统（在神经元数目上相当于果蝇的神经元数目），达尔文2是目前已知单芯片神经元规模居全国前列。该类脑芯片目前主要应用于图像物体识别、视频音频理解、自然语言处理、脑电识别，较之基于深度学习的人工神经网络，具有独到优势，更擅长于模糊数据处理。
11.百度自动驾驶汽车曾在《开源中国开源世界高峰论坛》上发表（三年三届），目前我们自动驾驶汽车不再单纯追求高速复杂路况下跑几千公里的酷炫目标，首先要