Special Topic: Brain-Inspired AI Research
以OpenAI的GPT-4、DALL-E、Sora等为代表的大型通用人工智能（简称AGI）模型在各种自然语言处理和文本到图像/视频生成任务上展现了卓越的能力，令世界惊叹不已。这些模型的成功主要是依赖超大规模计算模型、超大规模训练数据和无限算力来实现的。然而，这种基于“暴力计算”的技术路线不仅对防止全球气候暖化带来负面影响，同时还引发了人们对其是否能实现真正的通用人工智能产生怀疑。最近，越来越多的学术论文报告了AGI模型的“幻觉”现象，其根源是这些模型无法保证学习正确的知识和正确的世界模型。
另一方面，人脑消耗的能量不到30瓦，与现有人工智能系统相比，具有优越的学习、认知、推理和创造能力。因此，研究人脑的工作机理，发展受脑启发的AGI模型是一个具有光明前景的研究方向。事实上，许多著名且应用广泛的人工智能模型与方法，如卷积神经网络（CNN）、脉冲神经网络（SNN）、长短期记忆（LSTM）、强化学习等，都是受到脑认知研究成果的启示发展而来的。
本期专题关注认知科学和人工智能等多学科交叉研究的最新进展，由认知科学和人工智能领域的知名学者撰写的五篇特邀文章组成。一篇综述文章根据David Marr提出的三层框架将主流人工智能研究归纳为三个层次，并回顾了认知科学在启发三层人工智能研究方面所起到的引领作用。此外，该文章还提出了受脑启发人工智能研究领域的未来八个重要研究方向及其主要科学问题。本期专题中的两篇论文揭示了灵长类动物大脑和当前人工智能系统在反馈处理和自然纹理处理方面的相同和不同之处。专题收录的最后两篇文章描述了针对人脑视觉系统的最新认知科学研究成果，并提出了受该成果启发的人类视觉仿真系统，以及新型全局-局部双通路神经网络计算模型。我衷心地感谢所有作者为这个专题所做出的杰出努力，并希望读者们学习了这个专题后将对受脑启发的人工智能研究产生浓厚兴趣，并积极投身到未来的研究中去。
龚怡宏（西安交通大学）
王国胤（重庆邮电大学）
Preface: Brain-Inspired AI Research2024年, 第67卷, 第8期, 2281-2281页https://doi.org/10.1007/s11431-024-2763-0Brain-inspired
artificial intelligence research: A reviewGuoYin
WANG, HuaNan BAO, Qun LIU, TianGang ZHOU, Si
WU, TieJun HUANG, ZhaoFei YU, CeWu LU, YiHong
GONG, ZhaoXiang ZHANG, Sheng HE2024年, 第67卷, 第8期, 2282-2296页https://doi.org/10.1007/s11431-024-2732-9Feedback
processing in the primate brain and in AI systems2024年, 第67卷, 第8期, 2297-2309页https://doi.org/10.1007/s11431-024-2755-xA comparison of
statistical learning of naturalistic textures between DCNNs and the human
visual hierarchyXinCheng
LU, ZiQi YUAN, YiChi ZHANG, HaiLin AI, SiYuan
CHENG, YiRan GE, Fang FANG, NiHong CHEN2024年, 第67卷, 第8期, 2310-2318页https://doi.org/10.1007/s11431-024-2748-3Brain-inspired
dual-pathway neural network architecture and its generalization analysisSongLin
DONG, ChengLi TAN, ZhenTao ZUO, YuHang HE, YiHong
GONG, TianGang ZHOU, JunMin LIU, JiangShe ZHANG2024年, 第67卷, 第8期, 2319-2330页https://doi.org/10.1007/s11431-024-2753-3Towards
human-leveled vision systemsJianHao
DING, TieJun HUANG2024年, 第67卷, 第8期, 2331-2349页https://doi.org/10.1007/s11431-024-2762-5
![]()
