啥！能打败GPT4的“强人工智能”来了
原创钱昱科普中国
最近OpenAI发布的ChatGPT和GPT-4大型语言模型，几乎引爆了全民对人工智能话题讨论的“火药桶”，相信不少人的朋友圈已经被带“GPT”的字条给刷屏了。
笔者身边的朋友们也分了两派，激进派认为迈向强人工智能的奇点已经到来，未来数据量和算力规模再涨一波后，它就能替代掉绝大多数文字工作者了，随后所有没创造力的工种都将面临失业；保守派则认为它只是一个顶尖的生产力工具，但无法掌握意识、感情、创造力等人类与生俱来的能力，难以成为强人工智能。
而笔者属于“好吃懒做”派，选择直接问ChatGPT，以下是它的回答：
图片来源：截图自ChatGPT
强人工智能能否实现目前尚未可知，但毫无疑问，目前人脑还是整个地球上最智能的复杂系统。
可能有人会问：我们为什么不直接用生物的神经元作为网络基本单元，从头复刻一个和人脑类似的智能系统呢？这会不会是实现强人工智能的捷径呢？好问题，欢迎来到本文的主题——“类器官智能（OrganoidIntelligence，OI）”。
01
碳基和硅基并肩作战
就问你怕不怕！
类器官智能一词是今年2月28日，由约翰斯·霍普金斯大学的托马斯·哈东（ThomasHartung）团队提出来的新概念。
简单讲，类器官就是把干细胞在体外三维环境中培养成有一定结构和功能的组织类似物，目前已成功构建包括小肠、胃、结肠、膀胱、肝脏、心脏、胰脏、肾脏、大脑等多种器官组织。
或许在不久的未来，你身体某个部分出了问题，都可以用类器官进行修复或替代，比如熬夜搬砖爆肝了换个肝
（bushi）。
而类器官智能就是将体外培养的大脑器官组织作为生物硬件，通过与外部的电子设备相连来实现生物计算，我们人工构建的大脑，就是整台计算机的CPU+GPU，想想是不是很科幻呢？
图库版权图片，不授权转载
实际上，目前很多研究已经证明了该路径的可行性，就拿最近的新闻来说，伊利诺伊大学厄巴纳-香槟分校的AndrewDou团队就培育了8万多个通过重编程小鼠干细胞得到的神经元，并将其放置在光纤和电极网格之间，接受10种不同模式类型的电脉冲和光信号刺激，这些元件都被放在一个恒温的箱子中，来保持神经元的活性。
经过一小时训练后，研究人员发现这群神经元每次在接受模式相同的刺激时，发出的信号也相同。研究人员还用F1分数来量化该神经网络模式识别的效率。简单来说，0最差1最好，最后测得该活体神经网络搭建的计算机F1得分为0.98，可以算相当智能了。
除模式分类任务外，研究人员还把“盒中之脑”连接到用活体肌肉组织制造的机器人中，使大脑能够通过肌肉感知周围的环境变化并处理这些信息。
将活细胞和储层计算技术相结合，能使神经元和芯片，或者说碳基和硅基的智能单元，协作完成信号识别和处理任务，这就是碳基生物和硅基生物智能合一的原初形态，虽然目前长得还比较丑。
中间放生物神经元的类器官智能机器人。图片来源：参考文献[3]
再往前推也有脑洞大开的研究。
例如去年12月，澳大利亚生物科技初创公司CorticalLabs就用人类脑细胞培育的“碟中大脑”（DishBrain）学会了打乒乓球。
研究团队将从人类干细胞诱导分化而来的人类神经元，与高密度多电极阵列与计算机集成，使“乒乓球”游戏中的电信号传到微电极阵列上，进而告诉神经元“乒乓球”的位置，神经元再通过彼此间电信号的交流达成一致后，控制“球拍”的移动，从而将“乒乓球”打回去。
神奇的是，这群“碟中大脑”仅用5分钟就学会了这款游戏，而相似规模的人工神经网络可能要90分钟左右才能学会。
尽管该论文的第一作者坚称“碟中大脑”已经将自己代入到游戏中的球拍了，但类器官智能是否能像人类一样“自主而有意识”地摄取、分辨并回应外界信息，仍是个值得探讨的问题。
会打乒乓球的“碟中大脑”。图片来源：参考文献[4]
02
误打误撞出的类器官智能技术
大脑的类器官技术起初并不是为了实现“类器官智能”。自2019年相关研究取得突破以来，大部分的工作都围绕研究大脑的发育和疾病，或是修复大脑的残缺部分为主。
比如去年10月《自然（Nature）》主刊上的论文显示，科学家首次将人脑神经元移植到大鼠脑中并形成连接，从而控制大鼠行为。
4个月后，《细胞（Cell）》子刊上的研究又显示人的类脑器官植入到大鼠脑部后不仅实现了有效连接，还能对视觉刺激做出反应，说明它已经整合到大脑中发挥功能了，这个成果可以作为一种恢复皮质功能的治疗策略。
然而总有些充满创意的科学家喜欢搭建出一些让人眼前一亮的科技网络，比如这个类器官智能技术。
当然这个技术目前还是襁褓中的婴儿，等它渐渐成熟并与当前基于深度学习人工智能技术进行比较，究竟是变成科研领域中永远“未来可期”的空中楼阁，还是能成为新一波类脑智能浪潮中的弄潮儿，直奔强人工智能而去呢？让我们拭目以待。
图库版权图片，不授权转载
类器官智能作为由生物智能单元——神经元组成的网络，它的优势集中体现在以下几方面：
1.能耗低
一条斑马鱼幼虫在水中，成功捕食猎物并从天敌眼皮底下逃脱的大脑功耗仅为1微瓦，成年人类的大脑功耗仅为20瓦，而目前依赖深度学习的服务器集群的功耗通常在1百万瓦左右，拥有最强算力的Frontier超算功耗将近21兆瓦，听起来并不是很环保。
2.少样本学习
生物通常能使用较少的观察活动来进行学习。人类使用大约10个训练样本就能完成一个简单的“物体类型相同或不同”的任务，蜜蜂这类昆虫也只需要100个训练样本就能学会，而这个训练数据量在深度神经网络中往往分类效果不佳。
AlphaGo系统接受了16万场围棋比赛的训练数据，每天训练5小时的棋手则需要风雨无阻地连续下175年的棋，才能打完这么多场比赛，可见大脑在学习活动中不需太多数据也能达到很高的训练效率，同时储存能力惊人（大约为2500兆字节）。
3.提供优秀的脑机接口界面
将电脑或电极输出的电信号传输给类器官脑组织，而植入人脑后的类器官又能充分整合到脑组织内执行其功能，这种界面具有很好的生理性，可将接口对大脑的损害几乎降到最低，同时又能将机器智能与自然智能一体化，从而实现新的智能形式。
当然，如何将电极连接到小型和三维的类器官上也是一个需要考虑的问题，这更需要高质量的3D电极作为支撑。如果以后要构建类人机器人，从生理学上来看，使用神经元与模拟肌肉组织相连也会更为便捷。
用于生物计算的类器官智能架构。图片来源：参考文献[2]
03
残忍还是先进，这是个问题
二十一世纪既是生物技术的世纪，也是信息技术的世纪，更是交叉科学的世纪。
目前，多支研究团队使用基因编辑技术和光遗传学技术构建了具有特定功能的神经元网络，并通过纳米技术和生物打印技术来构建更加复杂的类器官框架。可以预料到，以后培养出来的脑组织将会有更精细的结构与更特异性的功能。
“类器官智能”的初衷还是想利用生物计算更快、更高效且低能耗的优势来构建活体计算机，从而在较为复杂的任务上能实现比传统硅基计算机更优秀的表现，并且通过电脉冲信号能向计算机芯片发送或接收指令，实现碳基和硅基神经网络的协调计算，融合两者的相对优势，创造出更加智能的计算系统。
但目前类器官智能的挑战主要分两块：伦理和技术。
首先是伦理问题。
培养10周后的类器官会显示出髓鞘形成等怀孕20周胎儿的特征，而且带有信息输入的刺激会影响类器官发育，结构上变得更为复杂。接受输入，产生输出，与周围的环境信息产生互动，并建立原始记忆，它是否会有意识？外界给予的电信号刺激输入又是否会引起这些大脑的“痛苦”，这些是伦理机构一直在密切关注的问题。
找到意识产生的充要生理条件是神经科学最困难的问题之一，目前揭示意识神经基础的工作也在进行中，这将为类器官伦理条例提供很好的参考建议。类器官智能本身也不是为了重建人类意识，而是提供生物学习，认知与计算的功能基础。
如果强人工智能的实现需要大量神经元作为基础的话，这种智能又和我们人类智能有何不同？极端一点，我们直接把尚未形成自主意识的胚胎神经管切下来（这部分以后会形成人脑），然后放入培养箱中培养成一个具有860亿节点体量的网络系统，并将其与计算机芯片或服务器相连，处理各种任务，这种强人工智能的实现是否人道呢？
笔者相信这项技术即便研发成功，也会因相当复杂的伦理问题而被法律法规所禁止，就像应用于人类的克隆技术和基因编辑技术一样。
动漫《心理测量者》中的强人工智能——西比拉系统。图片来源：动漫《心理测量者》
其次是技术问题。
前文提及的托马斯·哈东团队使用的单个类脑器官大约包含5万个神经元，安德鲁团队则是使用了8万个。麻雀虽小，但五脏俱全，当前培养的类脑器官能再现大脑的组织结构和功能，并有覆盖髓鞘的轴突，自发的电生理活动，复杂的振荡行为，高细胞密度和分层模式，甚至还有少突胶质细胞、小胶质细胞和星形胶质细胞等多种细胞类型。
但问题是，如何使这些类器官产生学习活动，并对其计算能力加以利用？而且，多大规模的神经元数目才能表现出高智能？下一阶段研究人员将基于现有的分化方案扩大培养规模，构建1000万个神经细胞的活体计算机，至于表现出来的智能水平如何，让我们拭目以待。
与此同时，如何对神经元间的连接做出调整，使其能更好地实现功能也需要考虑。尽管大脑类器官可能实现分子特征的时空特征，但无法反映人脑脑区的拓扑结构和神经元环路的复杂性及特异性，而这些可能恰恰是实现大脑高级功能的基础。如何对大量杂乱的神经元连接进行合理的布线，用分子信号诱导相关功能环路的产生，也是未来制作特定功能导向型的生物神经网络所要考虑的问题。
除此之外，目前仍无法高效完整地完成对人脑类器官的信号输入与输出记录的记录，研究人员正在致力于研发专用于类脑器官的3D脑机接口以及相应探针，例如3D微电极阵列（MEA）、神经像素硅探针等，完成与外界信息端口的精准对接。这些技术的推进能够在一定程度上解决这方面的难题。
总的来说，尽管当前人工智能远不如人脑学习能力全面且高效，只能在经过大规模预训练的任务上表现出色，但类器官智能还难以复现最简单的大脑，想要“战胜”以GPT系列打头阵的硅基生物，恐怕还有很长一段路要走，尤其使用的生物神经元数目越多，所面临的伦理挑战就越大。对智能这条路探索的尽头，很可能碳基和硅基两种智能就会走到一块儿去。
实现类器官智能的路线图。图片来源：参考文献[2]
在实现强人工智能前，我们不妨再问问自己，为什么要实现强人工智能？
如果仅仅是需要服从听话且好用的工具，那么只需训练出在特定任务执行出色的智能神经网络即可，意识、情感、创造力这些都是不稳定因素，对于任何低技术需求且具有高重复性的工作来讲根本没必要，而且还会导致社会的管理成本上升。
这么说来，可能对人类来说，像ChatGPT一类的模型已经是最理想的智能系统了，希望看到这篇文章的你们在新一波的人工智能浪潮中都能用好这个工具，最大化地提高生产力。
人类和仿生人。图片来源：游戏《底特律：变人》
参考文献：
[1]SmirnovaL.,CaffoB.S.,GraciasD.H.,etal.Organoidintelligence(OI):thenewfrontierinbiocomputingandintelligence-in-a-dish.FrontSci1:1017235.2023.doi:10.3389/fsci.2023.1017235
[2]MoralesP.I.E.,SmirnovaL.,MuotriA.R.,etal.FirstOrganoidIntelligence(OI)workshoptoformanOIcommunity.Front.Artif.Intell.6:1116870.2023.doi:10.3389/frai.2023.1116870
[3]AndrewD.80,000mousebraincellsusedtobuildalivingcomputer.NewScientistPhysics.2023.From:https://www.newscientist.com/article/2363095-80000-mouse-brain-cells-used-to-build-a-living-computer/
[4]BrettJ.K.,AndyC.K.,NhiT.T.etal.Invitroneuronslearnandexhibitsentiencewhenembodiedinasimulatedgame-world.Neuron110,2022.doi:https://doi.org/10.1016/j.neuron.2022.09.001
[5]PaolaArlottaetal.Individualbrainorganoidsreproduciblyformcelldiversityofthehumancerebralcortex，Nature.2019.doi:10.1038/s41586-019-1289-x
[6]Pașca,S.P.,Arlotta,P.,Bateup,H.S.etal.Anomenclatureconsensusfornervoussystemorganoidsandassembloids.Nature609,907–910,2022.doi:https://doi.org/10.1038/s41586-022-05219-6
[7]DennisJgamadzertal.Structuralandfunctionalintegrationofhumanforebrainorganoidswiththeinjuredadultratvisualsystem.CellStemCell.2023.doi:10.1016/j.stem.2023.01.004.
出品：科普中国
作者：钱昱（中国科学院脑科学与智能技术卓越创新中心）
监制：中国科普博览
原标题：《啥？！能打败GPT4的“强人工智能”来了？》
阅读原文
谁才是中国人工智能“最强高校”
近日，斯坦福全球AI报告正式发布。报告显示，近几年，社会需要的AI相关人才大幅度增加，目前对有ML技能的人才需求最大，其次是深度学习。2017年，全球ML人才需求是2015年的35倍，从2016年到2017年的增幅尤为明显。全球对AI人才的需求在2016年骤增。
而据腾讯研究院发布的《全球人工智能产业人才白皮书》显示，全球人工智能人才约30万人，但市场需求却是在百万级以上。由此可见，全球人工智能人才缺口依旧巨大，未来该领域人才将成为争夺的重要资源，人工智能人才培养也愈发重要。为此，我国很多高校都开始了人工智能相关专业。在脉脉数据院最新报告中，根据毕业生在AI领域从业人员数量，列出了中国人工智能领域高校排行榜。以下为这些高校在AI领域的相关情况：
1、北京邮电大学
上世纪70年代末80年代初，北邮蔡长年教授和罗耀光教授分别研制数字语音电话拨号系统和邮政编码识别系统，开启了人工智能行业应用的先河。
90年代初，钟义信教授开始对人工智能理论进行系统研究，出版著作《智能理论与技术》后又提出信息、知识、智能转换理论、机制主义人工智能理论等，在国内外产生重要影响，钟义信教授2001年担任人工智能学会理事长，2012年获首届吴文俊人工智能科学技术成就奖。
1990年代，北邮蔡安妮教授和孙景熬教授在国内率先研究多媒体和图像识别技术，为公安部研制的自动指纹识别系统，首次突破了面向50万人数据库的大关，并荣获北京市科技进步二等奖。
1992年郭军教授提出基于整形变换的手写汉字识别算法，使国际技术水平大幅跃升，2009年编著出版创新教材《Web搜索》并开设研究生课程，2011年提出分析复杂网络的激活力模型，在词亲和度计算等应用中获得成功。
1998年以来，模式识别与智能系统实验室、多媒体与模式识别实验室、智能科学技术中心、数据科学中心相继成立，50多名教师和500多名研究生工作在这些基地，形成了一支强大的科研队伍。
十多年来，北京邮电大学在国内外最具影响力的人工智能领域技术竞赛中也屡拔头筹，在人脸检测和文本分类、汉语命名实体识别、汉语词性标注、汉语词义推导、知识库填充、自动摘要技术、汉语切分技术、视频事件检测等领域获得了多个奖项。
2018年7月19日，北京邮电大学（北邮）创新研究院在该校宏福校区正式揭牌成立。作为创新研究五大研究方向之一，北京邮电大学人工智能研究院同时揭牌。仪式上，北邮与中国船舶工业系统工程研究院、中国通用技术研究院、中国空间技术研究院、中国电子科学研究院、“光智造”协同创新中心、北京协同创新研究院、京东集团、网宿科技股份有限公司、中国航天科工四院指挥自动化中心等企业和科研院所签署共建创新研究院合作协议。
2、北京大学
北京大学一直是我国最高学府的代名词，在人工智能领域也是创始校之一，其中智能科学系是北大在人工智能领域最主要的机构，主要从事智能感知、机器学习、数据智能分析与智能计算、智能机器人等方向的基础和应用基础研究，侧重于理论、方法以及重大领域应用上。
北大智能科学系依托于视觉听觉信息处理国家重点实验室，实验室以实现高度智能化的机器感知系统为目标，在生物特征识别研究方面处于国际领先地位。智能科学系在着名的软件与人工智能专家、我国载人飞船工程软件专家组组长何新贵院士和长江特聘教授查红彬教授的带领下，重点开展机器视觉、机器听觉、智能系统与智能的生理心理基础等研究。以北大智能科学研究人员为技术核心的北大指纹自动识别系统，是国内唯一能与国外系统抗衡的自主知识产权，是中国第一家也是唯一的一家提供公安应用全面解决方案的系统，拥有中国指纹自动识别技术产品第一市场占有率。
人工神经网络说话人识别新方法的研究获得教育部科技进步一等奖；国家空间信息基础设施关键技术研究获得2000年中国高校科学技术二等奖，入选2000年中国高校十大科技进展。
3、北京航空航天大学
北京航空航天大学软件学院是2002年经国家教育部和国家发改委联合批准成立的全国37所国家示范性软件学院之一。
经过十多年的发展，学院目前的专业设置有（一）本科教育：软件工程专业（二）研究生教育：软件工程专业下设，虚拟现实技术与应用方向、人工智能方向、大数据技术与应用方向、软件工程与管理方向、集成电路与物联网工程方向、嵌入式软件方向。
2017年9月14日，北京航空航天大学软件学院人工智能专业方向首批研究生开学，此次招收的122名研究生均为非全日制。北航是国内率先招收人工智能专业方向研究生的高校，目前正在酝酿成立人工智能学院。
为了推动中国人工智能行业的发展，促进人工智能领域人才的培养，北京航空航天大学软件学院、百度强强联合，在国内首批开设软件工程专业的人工智能研究方向。由北京航空航天大学软件学院、中国电子学会、中国软件行业协会、百度邀请产业界专家共同成立“人工智能研究方向教学指导委员会（以下简称教指委）”，由李未院士担任教指委主任，并得到李德毅院士的指导和大力支持。由教指委商讨制订专业培养大纲和课程体系，整合中国电子学会及中国软件行业协会的资源，打造人工智能领域的高端人才培养计划，为人工智能行业培育复合型人才，助力人工智能行业的创新创业发展。
在人工智能研究方向与人工智能领域，也与最顶尖的企业合作，包括百度、京东、丽邰科技（英伟达战略合作伙伴）等，为研究方向提供最前沿的课程资源、实践实习和就业机会，拟推动成立校企联合实验室：北航软件学院-百度智能驾驶技术联合实验室、北航软件学院-丽邰（英伟达合作伙伴）深度学习联合实验室、北航软件学院-京东智慧家居实验室、北航软件学院-中金所智能金融实验室(上述联合实验室名字有待进一步确认)。人工智能研究方向与中国人工智能产业创新联盟建立战略合作伙伴关系，作为人工智能产业联盟企业的人才培养基地，为人工智能研究方向学生的高质量实习与就业提供了保障。
4、浙江大学
浙大是我国最早研究人工智能的高校之一，在1978年就开始了人工智能领域的科学研究和人才培养，在1982年创建了人工智能研究室（1987年升级为研究所）。校长吴朝晖院士、中国工程院原常务副院长潘云鹤院士都是目前学校人工智能研究领域的著名专家学者。
浙江大学计算机科学与技术、软件工程是国家一流建设学科，在教育部第四轮学科评估中均被评为A+学科，为人工智能的创新发展提供了最为有力的依靠。
浙大在人工智能理论、计算机图形学、多媒体、数据挖掘等领域的发展居国内领先地位，其中跨媒体智能、混合增强智能、大数据、机器学习等方向的研究已达到国际前列水平。浙大多位院士专家参与了国家《新一代人工智能发展规划》和教育部《高等学校人工智能创新行动计划》的编制。
目前，浙江大学双脑前沿科学中心通过了专家论证并启动了建设，教育部已同意并支持浙大建设人工智能协同创新中心，加快建成我国人工智能领域科技创新和人才培养高地。
5、清华大学
清华大学一直是我国各个研究领域的领跑者，人工智能领域也不例外。清华大学目前还没有专门的人工智能专业，而是在计算机科学与技术系中设立了与“人工智能”研究相关的智能技术与系统国家重点实验室。
清华大学计算机科学与技术系（简称计算机系）成立于1958年，在2006年、2012年全国学位与研究生教育发展中心开展的一级学科整体水平评估中，以总分满分100分的成绩排名第一。2017年，在USnews推出的世界大学学科排名BestGlobalUniversitiesforComputerScience中，计算机科学与技术学科紧随MIT之后位列世界第2名。在QS世界大学排名（QSWorldUniversityRankings）给出的全球计算机学科排名中为例第15名，其排名与得分逐年稳步提升。
计算机系包含了国内计算机专业最全的学科方向，设有高性能计算机与处理器、并行与分布式处理、存储系统、大数据与云计算、计算机网络、网络与信息系统安全、系统性能评价、理论计算机科学、数据工程及知识工程、软件工程、计算机与VLSI设计自动化、软件理论与系统、生物计算及量子计算、人工智能、智能控制及机器人、人机交互与普适计算、计算机图形学与可视化技术、CAD技术、计算机视觉、媒体信息处理等研究方向。
计算机系现设有高性能计算、计算机网络技术、计算机软件、人机交互与媒体集成4个研究所；智能技术与系统国家重点实验室；计算机基础与实验教学部等科研教学机构。
计算机系还设有国家级计算机实验教学示范中心，包括：计算机原理实验室、微型计算机实验室、计算机网络实验室、操作系统实验室、计算机软件实验室、计算机控制系统实验室、智能机器人实验室、计算机接口实验室、学生科技创新实验室等。此外，计算机系还与腾讯、搜狗、微软、思科等国内外著名公司建立了面向教学或研究的联合实验室。
2018年6月28日，清华大学人工智能研究院在李兆基科技大楼揭牌成立。研究院以“一个核心、两个融合”作为发展战略，即以人工智能基础理论和基本方法研究为核心，积极推进大跨度的学科交叉融合，积极推进大范围的技术与产业、学校与企业融合，充分发挥清华大学在多学科综合、优秀人才汇聚、高水平国际合作等方面的独特优势，在人工智能的基础理论和基本方法上开展源头性和颠覆性创新，力争将人工智能研究院打造成为一个具有全球影响力的人工智能高端研究机构。
6、华中科技大学
华中科技大学图像识别与人工智能研究所于1978年由教育部和航天部共同批准建立、直属于华中科技大学的一所融研究、教学为一体，以图像识别和人工智能为研究方向的研究机构。图像识别与人工智能研究所（以下简称图像所）建所30年来，图像所始终瞄准航天、航空和信息技术领域的国家目标，进行应用基础和应用技术的研究，在国内的模式识别与智能系统学科具有明显的研究特色和学科优势，在航天航空的智能信息处理领域具有较高的知名度。已于2013年和华中科技大学控制系合并成为自动化学院。
科学研究工作主要涉及复杂系统控制理论、决策分析与决策支持、电力电子与运动控制、智能控制与机器人、计算机集成控制与网络技术、信息检测与识别、飞行器控制与状态监测、生物信息处理、神经接口与康复技术、物流系统、国民经济动员与公共安全、多谱图像制导、目标探测的多谱信息技术、多谱信息的实时处理与系统集成技术、人工智能与思维科学、信息安全等方向。
学院现拥有3个本科专业（自动化、测控技术与仪器、物流管理（系统工程方向）），并开设自动化理工交叉创新实验班。5个工学硕士点、博士点（控制理论与控制工程、检测技术与自动化装置、系统工程、模式识别与智能系统、导航、制导与控制），1个理学硕士点、博士点（系统分析与集成），设有控制科学与工程博士后流动站。已形成本科、硕士、博士、博士后完整的人才培养体系，目前在校就读本科生1300余人、全日制硕士研究生750余人、全日制博士研究生250余人。
2018年3月30日，容联与华中科技大学共建的“人工智能联合实验室”在华中科技大学正式挂牌。该联合实验室是华中科技大学首次在人工智能领域与业界进行产学研合作，也是国内通信+人工智能的首个实验室，实验室将依托容联、华科大丰富的技术成果和学术资源，开展知识图谱、知识表达、语言库、情感计算等方面的研究，共同探索机器中文自然语言理解的处理能力，推动人工智能领域产学研一体化发展，探索未来智能通讯新变量。
7、电子科技大学
近年来，电子科技大学在人工智能领域取得了快速发展，在通信、计算机、自动化、材料、机电、生命科学、数学等与人工智能相关的学科方向都取得了重要成果。
在人工智能的各个层面，电子科大都有较强的研究积累，特别是有30多位人工智能领域的国家级杰出人才，正高以上的人员超过200人，为学校人工智能研究院的发展奠定了良好的基础。
在平台建设方面，学校已经建成机器人研究中心、未来媒体研究中心、信息医学研究中心、智能网络与通信研究中心等一批跨学科的实体研发机构和平台，覆盖了从人工智能器件芯片、计算平台、算法模型、关键技术和应用场景等各个方面。
2018年9月27日上午，电子科技大学在清水河校区揭牌成立了“人工智能研究院”。电子科技大学教授、中国工程院院士李乐民任首任院长，该校计算机科学与工程学院院长申恒涛教授任执行院长，机器人研究中心程洪教授和通信抗干扰技术国家级重点实验室梁应敞教授为副院长。
8、哈尔滨工业大学
早在20世纪50年代，哈工大就开始了人工智能的研究，几乎与世界人工智能研究同时起步。1958年，哈工大研制出国内第一台会下棋会说话的计算机，邓小平来校视察时参观了这台计算机。
半个多世纪以来，哈工大不但培养出了以高文院士为代表的一批杰出的人工智能领军人才，并且培养的人工智能人才总体数量位列全国之首。
目前，哈工大在人工智能方面基础雄厚，覆盖面宽，校内有7个一级学科与人工智能密切相关，其中计算机、控制等4个学科入选“双一流”建设学科。
2000年以来，哈工大在人工智能领域中机器感知与模式识别、自然语言处理、机器人与智能系统等方向上取得了一批重要的科研成果，获国家级科技奖励13项，发表论文2000余篇。
哈工大还与IBM、微软、百度、阿里、腾讯、科大讯飞等国内外著名企业建立了十分密切的合作关系，共同开展科研攻关、人才联合培养等，一大批创新成果成功应用推广，一大批优秀毕业生投身人工智能研究并受到用人单位好评。
2018年5月5日，哈尔滨工业大学整合全校人工智能相关领域资源，正式成立人工智能研究院，哈尔滨工业大学计算机学院院长、软件学院院长王亚东教授担任首任研究院院长。研究院成立后，将按照理论、技术、平台、应用4个层次，人工智能基础与机器学习、智能控制理论、脑科学与类脑智能等8个方向组建。
首批将有30位研究人员入驻研究院，集中了校内人工智能领域一批优秀的中青年学者。研究院将面向人工智能科学、技术和产业的发展，汇聚一流的研究队伍，创造一流的研究成果，培养一流的科技人才，打造国际一流的人工智能创新基地。
9、武汉大学
武汉大学是国家教育部直属重点综合大学，国家「双一流」建设重点高校。武汉大学计算机学院是国内计算机学科高水平的科研、教学和人才培养的创新基地，拥有国家多媒体软件工程技术研究中心等高水平科研平台，在图形图像处理、自然语言处理、智能计算、人工智能、软件工程、多媒体、信息安全、大数据等领域具有很强的科技创新和技术开发能力。
武汉大学计算机学院是全国最早建立的计算机科学院系之一，教学与科研历史可追溯到1958年成立的计算技术专业。
学院在计算机应用技术、软件基础理论与方法、信息安全与可信计算、媒体信息计算与分析、空间信息网络与网络计算、数据科学与工程、人工智能、软件服务工程、复杂软件的构造方法和验证技术、软件分析测试与质量保障、软件演化的理论与方法、软件工程数据管理与数据挖掘等研究方向已形成自己的特色，整体科研实力在国内高校中处于前列。近年来，学院承担了国家973计划、863计划、重大专项等多项国家重点项目，获国家级、省部级奖励20多项，获专利授权和申请软件著作权登记170余项。
2018年4月25日，小米公司与武汉大学人工智能联合实验室正式成立，签约仪式在武汉大学计算机学院举行。小米公司和武汉大学将在互惠互利的前提下，在人工智能领域开展人才培养、课程建设、师资互聘、实习实训基地等方面的长期战略合作。
10、西安电子科技大学
2017年11月2日下午，西安电子科技大学人工智能学院正式揭牌成立。该学院系教育部直属高校首个致力于人工智能领域高端人才培养、创新成果研发和高层次团队培育的实体性学院。
西安电子科技大学人工智能学院，定位为研究型学院。按照建设发展规划，学院未来将依托现有学科科研基础和人才资源储备，着力打造人工智能领域高端人才培养基地、创新成果研发中心和高层次团队培育平台，在全国高校范围内构筑先发优势，积极争取成为国家人工智能学院试点示范单位，实现引领发展，为国家人工智能战略发展贡献西电智慧。
在学校深耕人工智能领域三十年的基础上，目前学院联合建立了智能感知与计算国际联合研究中心、国家“111”计划智能信息处理创新引智基地、“信息感知技术”国家2011协同创新中心等3个国家级平台；建有智能感知与图像理解教育部重点实验室、智能感知与计算国际合作联合实验室、陕西省大数据智能感知与计算2011协同创新中心、智能科学与技术教学团队等7个省部级科研平台和教学平台；形成智能成像、智能信息处理、智能感知与图像理解、视觉计算与协同认知等6个国家和省部级科技创新团队；拥有目前全国唯一的智能科学与技术国家级特色专业。
同时，学院深化产学合作协同育人，与各大知名企业紧密协作，成立了西安电子科技大学-惠普高性能计算联合实验室、西安电子科技大学-AMD联合实验室、西安电子科技大学-北斗军民融合联合研究中心、西安电子科技大学-蒜泥人工智能研究院等10个集教育、培训及研究于一体的联合研究中心/创新实验室。近5年来，学院在人工智能领域3次荣获国家自然科学奖二等奖；面对国际学术前沿和国家战略需求，成功研制我国首套类脑SAR系统、基于面阵CCD的光谱视频成像系统、我国首个人脸画像识别系统、首个FPGA深度学习系统等重大平台和系统。
以上排名，根据各院校毕业生在人工智能领域从业人员数量产生，并不代表其在人工智能领域综合实力情况。对于以上的院校，您认为哪一个才是国内人工智能领域最强高校。
《最强大脑》告诉你，人类和人工智能谁是最终赢家
还有这位狂拽酷炫，吊打对手的中国队队长王昱珩，他可以光看嘴唇找唇印，更能微观辨水，从520杯差别甚微的水中找出指定的一杯。
在这些脑力大神面前，小傻的智商早已经被无情碾压无数遍了，只能默默奉上自己的膝盖了......
已经看过《最强大脑》的宝宝们已经知道，这次“百度大脑”参与到“最强大脑”比赛中，与人类的最强大脑来一场“强强对话”。
联想到前几天谷歌公司的人工智能“Master”连败中日韩顶尖围棋高手，取得恐怖的60连胜，风光无限。很多人都不禁产生这样一个疑问：
人类大脑与人工智能孰优孰劣？
人工智能会否正如很多人担心的那样替代人类？
在技术日新月异的今天，科学从未如此性感过，层出不穷的人工智能产品，让世界见识了AI在社会生活中的无穷潜力。可是，你对目前人工智能的发展有多少了解呢？
下面这些黑科技会让你真正地大开眼界——
▶热气球互联网连接你我他
谷歌公司于2013年推出ProjectLoon气球互联网项目，试图通过热气球为世界上最偏远的地区覆盖网络，以及在灾后帮助人们提供互联网连接
▶Atlas机器人这货绝壁是人
BostonDynamics公司生产的军用机器人Atlas可以和士兵一起执行任务，这些机器人能像人一般行走，搬运重物、并有抗击打能力
▶无人机送快递就是这么拉风
美国电商巨头亚马逊和速运公司UPS先后宣布将实验无人机送快递项目，国内电商和快递公司也开始进军无人机领域。如果这个理念最终成为现实，剁手党们可就有福啦！
▶Octobot机器人比卫生纸还柔软
硬邦邦的机器人大家司空见惯了，但比卫生纸还软的机器人你见过吗？哈佛大学研发了世界首款能够自主移动的全软体机器人“Octobot”，它仅有手掌大小，章鱼形状，而赋予这只全软体机器人“生命”的则是化学反应
▶无人驾驶汽车解放你的双手
无人驾驶汽车在人工智能领域具有着极大魅力。2015年以来，包括谷歌、BMW、百度等公司在内，都雄心勃勃地推出了无人车计划。也许有一天，没有驾照的你，也可以像个老司机一样，对身边的妹子说一句：来，上哥的车！
▶天空电梯你的下一站是天堂
未来有没有可能乘坐电梯就能够直达太空？尽管这个设想太过于虚无缥缈，但美国谷歌公司却正在研究。不过，这项研究也许会进行很多年，因为制造太空电梯所需要的碳纳米管，至今其长度都没能超过一米
以上所列举的仅是人工智能的一隅而已，事实上人工智能运用范围极广，几乎涵盖了社会生活的方方面面。人工智能是计算机专业的一个分支，涵盖的范围十分广泛，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
由于人工智能专业的就业前景较好，近年来也有不少留学生把AI选作了自己的研究方向。
那么AI技术哪家强？这就带大家盘点一下2017年美国人工智能的顶尖名校——
麻省理工学院（MassachusettsInstituteofTechnology）
麻省理工学院的人工智能研究始于1959年，并于2003年和计算机科学研究院合并为麻省理工学院计算机科学和人工智能实验室（MITComputerScienceandArtificialIntelligenceLaboratory，CSAIL），此实验室是全球最大的校园实验室。
申请要求：托福100+
雅思7.5+
GRE成绩320+
毕业起薪：65500美元/年
斯坦福大学（StanfordUniversity）
斯坦福大学的人工智能实验室成立于1962年，由于临近硅谷，并且与硅谷有着特殊的联系，斯坦福大学的学生有更多机会在人工智能方面实现自己的抱负。斯坦福大学在2014年底宣布了一个雄心勃勃的人工智能研究计划，该计划时间跨度长达100年！
申请要求：托福100+
雅思不要求
GRE成绩330+
毕业起薪：74500美元/年
卡内基梅隆大学（CarnegieMellonUniversity）
卡内基梅隆大学在1979年成立了机器人学院（RoboticsInstitute），专门在机器人科技领域进行实践和研究，该学院同时还是全世界第一个推出机器人PhD项目的大学。卡内基梅隆大学是NASA航空航天科研任务的主要承制单位之一，该校的机器人研究所从事过自动驶车、月球探测步行机器人，单轮陀螺式滚动探测机器人等方面的研究。
申请要求：托福110+
雅思7+
GRE320+
毕业起薪：74500美元/年
加州大学伯克利分校（UniversityofCalifornia，BerkeLey）
加州大学伯克利分校在人工智能专业上也颇负盛名，其计算机专业与麻省理工、斯坦福并驾齐驱。该校的机器人和智能机器实验室，致力于用机器人复制动物的行为。它的自动化科学和工程实验室从事更广泛的机器人功能的研究，如机器人辅助外科手术和自动化制造。
申请要求：托福100+
雅思7.5+
GRE成绩325+
毕业起薪：95600美元/年
华盛顿大学（UniversityofWashington）
华盛顿大学堪称是美国西海岸甚至整个西北地区最好的大学，也是一所享有国际声誉的顶级大学，它和加州大学伯克利分校以及密歇根大学一起成为了最盛产诺贝尔奖的公立大学。该校孕育出众多改变人类进程的重大发明，如发明设计出世界第一大公司的美国苹果计算机等
申请要求：托福100+
雅思7+
GRE成绩310+
毕业起薪：67300美元/年
得克萨斯大学奥斯汀分校（UniversityofTexas，Austin）
得克萨斯奥斯汀分校是非常强的理工科学校，计算机专业排名全美第9。该校培养过一位图灵奖获得者，且PC巨头戴尔公司的创办者迈克尔·戴尔(MichaelDell)为该校校友。得克萨斯奥斯汀分校所在的奥斯汀市以高科技产业为主，有“硅山”之称。
申请要求：托福100+
雅思6.5+
GRE成绩320+
毕业起薪：45780美元/年
宾夕法尼亚大学（UniversityofPennsylvania）
宾夕法尼亚大学的人工智能专业开设在计算机与信息科学系下，该系具有悠久的计算机传统，并发明了第一台现代计算机。机器人学硕士课程属于美国宾夕法尼亚大学的一大特色，由GRASP实验室签署管理的。课程具有跨学科性质，并在培养当今机器人专家和智能系统方面有着出色的表现，智能系统包括人工智能、计算机视觉、控制系统、动力学、机械设计、编程和复制机器人系统等。
申请要求：托福110+
雅思7.5+
GRE成绩330+
毕业起薪：87800美元/年
康奈尔大学（CornellUniversity）
康奈尔大学是著名常春藤盟校成员，在世界范围内享有极高的学术声誉。AI属于计算机科学专业的方向之一，计算机科学专业提供硕士博士课程，AI主要为博士课程偏向研究的方向，被博士课程录取的学生基本能够拿到奖学金。
申请要求：托福100+
雅思7.5+
GRE成绩320+
毕业起薪：65500美元/年
本文为太傻留学原创文章，如需转载需授权。
，添加太傻留学公众号：taisha_consulting，获取更多留学干货！返回搜狐，查看更多