人工智能指的是机器从经验或信息中学习、并模仿人类思维工作方式的能力，例如解决问题和作出决定的能力。人工智能已经成为我们日常生活的一部分，例如智能手机上的语音和面部识别功能便是利用了这一技术，而且它正在改变众多行业，包括医疗保健。人工智能正在帮助我们更快地开发药物、实施手术，甚至诊断医疗状况。
这些进步要归功于越来越快的硬件、用于训练的海量数据，以及越来越复杂的算法，即机器在解决问题或运行计算时遵循的规则集。但人工智能仍存在一个限制，那就是它在新环境中使用所学知识的能力。
了解我们的大脑为何如此擅长处理残缺信息，可能成为弥补这一限制的关键。例如，每只猫看起来都略有不同，而且还会有无数的其他变量，如观看距离、角度和光线，而孩子是如何快速学会识别猫的呢？为什么对我们来说，这是如此不费吹灰之力？
我们与罗马尼亚特兰西瓦尼亚神经科学研究所（TINS）全新发起的合作，将通过对智力的基本原则进行研究来探索这个问题。
大脑的主算法
我们的大脑由数十亿个神经元组成，通过数万亿个突触连接起来，形成一种令人难以置信的、复杂的重复模式。研究的一个目标在于开发出一项理论，以解释上述网络和大脑活动的变化如何最终促成认知理解，换句话说，就是我们知道自己眼前是一只猫的那个时刻。
根据一项猜测，人类大脑使用一种“主”算法来解决看似差异巨大的任务，从识别熟悉的面孔到绕过障碍物，并且这种算法存储在新皮质微循环中，这是大脑中一个微小但关键的组成部分。研究人员将分析新皮层的神经活动，探索这如何影响大脑的计算能力。借此，我们有望更好地理解作为高级智能基础的主算法。
“如果大脑中有一个关键结构，掌握着智力的‘密钥’，那这很有可能就是新皮质微循环。”总裁兼首席研究员Raul C. Muresan说道，“通过研究这一部分的结构和动态特性，我们试图提取新皮层结构的基本原则，并将其转化为新的计算模型。”
来自TINS经验丰富的神经科学家，将与我们的人工智能研究团队共同参与这个项目，通过探索由神经科学启发的方法来开发新的人工智能。
“更深入地了解大脑的计算机制，将是克服现有人工智能技术许多限制的关键。”我们的全球数据科学主管Helmut Linde说道，“正如数学家开发出基于统计学的‘概率论’一样，我们需要一种‘智能理论’，以借此开发新的算法。”
