上週五，美國防高級研究計劃局開始向各地研究團隊徵集有關如何建立像小型飛行昆蟲大腦那樣微型但有效的運算系統的想法，試圖減少運行高級人工智能工具所需的計算能力和硬件數量。該局認為，通過分析昆蟲的大腦，可以用最少的信息來導航世界，這也可以幫助研究人員理解如何構建具有基本常識推理能力的人工智能系統，一旦這種微型仿生健壯人工智能網絡程序(簡稱微大腦)搭建成功，最終可能導致人工智能神經網絡能夠以更少的數據和更少的能量進行訓練。當然，更少數據的訓練也意味著訓練時間會快得多！
與人類不同，昆蟲的活動幾乎完全基於簡單的刺激。例如，飛蛾天生根據光線的方向來導航，所以它們偶爾會直接飛進燈泡裡。雖然這種生物運行規律有時讓生物的生活適得其反，但規則也極其簡單，易於實施，這正是研究者認為該項目值得運作的地方，而且我們的大腦包含600億到700億個相互連接的神經元，研究人員認為用軟件來重建它幾乎是不可能的。相比之下，一些昆蟲的大腦中含有不到1000個神經元，這使得繪製圖譜更加容易，進而可能揭示建築和計算方面的基本創新，如果研究結果同時具有簡單性、效率和複雜功能，這還將開啟人工智能結合能源、時間和空間高效運作策略的新領域。
類似進行此種研究要追溯到上個世紀80年代，機器人專家羅德尼·布魯克斯於1987年在麻省理工學院開發了許多機器人，其中一個最成功的機器人可以在辦公室裡自動走動，收集空的汽水罐。為了紀念機器人研究先驅赫伯特，布魯克斯給該機器人取名叫赫伯特，赫伯特僅僅依靠15條簡單的規則就能避開障礙，識別並撿起易拉罐，然後把它們扔進回收箱。不同於一些複雜人工智能系統需要用一套複雜的傳感器來導航環境，布魯克斯用簡易編程規則讓機器人能夠更高效地執行相同的任務，所以赫伯特最大的優點是它只需要很少的處理能力或內存就能運作。
在人工智能逐漸普及的今天，人們也許能記憶起歷史上的戰勝世界象棋冠軍的人工智能AlphaGo，家庭社交機器人鼻祖Jibo，智能家居機器人Kuri，今年CES展會上出現的智能行李箱機器人ForwardX，以及眾多具備所謂深度學習能力的人工智能“助手”產品，而這些人工智能都屬於弱人工智能，也就是說它們只是侷限於自己的領域專長，如果讓行李箱機器人去下象棋，那麼它將不知道該如何下手。
很多重複勞動工作被弱人工智能代替，人類解放出了雙手，可以創造更有意義的工作，這是積極的一面，但是也要看到其消極的影響，第一，花旗銀行和牛津大學的研究人員估計，經合組織(OECD)成員國57%的工作崗位在未來幾十年內面臨被人工智能自動化代替的高風險，這意味著未來幾十年將有數億人失去工作。例如，自動駕駛技術有一天可能會淘汰美國約500萬職業駕駛員的工作崗位。
第二，美國SPACE項目創始人埃隆馬斯克也呼籲美國政府應該儘快對AI建立法律規章，並承擔起規範人工智能發展的重任，人工智能革命的下一個階段是強人工智能。簡單說，強人工智能具備像人類大腦一樣進行抽象與具體的思考、理解、判斷、決策以及能從經驗中學習等等的能力，弱人工智能除了代替了工作崗位外，並沒有威脅到人類的生存，而一旦強人工智能問世，它將從硬件、軟件上全面超過人腦思維能力、甚至超越人類，在當前沒有國家制定規則約束人工智能發展的前提下，美科學家還要向強人工智能方向研發，無疑是不明智的。
據瞭解，該昆蟲大腦想法原型驗證提供100萬美金支持，這是去年該局宣佈的新設人工智能項目20億美元投資的一小部分，分為兩個階段，參與者首先開發概念證明，然後構建原型，預計項目運行約18個月，該項目是為了創造所謂“第三波”人工智能，用於建立昆蟲“神經系統”的物理模型，分析昆蟲大腦是如何隨著時間發展的，並設計模擬這些大腦神經結構的硬件平臺。與當前的人工智能工具不同，“第三波”系統必須經過明確的訓練才能執行狹義的功能，它將被灌輸廣義推理和上下文意識，以便更好地理解它所描述的世界。
當前人類已經掌控了弱人工智能，但想製造類似人類大腦這麼複雜精密的強人工智能，肯定是很難的，谷歌2013年就想研發讀懂人類邏輯智力、情緒智力、人類情感的搜索系統，但到2017年穀歌IO大會上只能識別花朵、再到去年2018年4月也只能識別貓和狗的品種，而且據說以後的方向也是識別動物和植物。谷歌遇到的難題，能被美國科學家研發昆蟲大腦來解決嗎？讓我們拭目以待。
圖片來源於網絡，歡迎關注並留言。
