凡是悠久强大的学科，往往壁垒森严，存在“生殖隔离”现象。从1956年意大利青年讨论怎样用机器模拟人的智慧开始，人工智能和脑认知科学研究就一直犹如两条平行线，没有实质性的交集。

　　“我们搞人工智能的科研人员应该跟脑神经科学家、生命科学家做学科交叉，使同一个人成为两个不同领域的专家，这才是真正的‘交叉’。”在日前举办的中国人工智能大会上，中国工程院院士、中国人工智能学会理事长李德毅对《中国科学报》记者说。

　　“以前把机器模拟人脑的问题称作知识表示问题，现在来看这个知识表示的概念偏小，应该叫作脑认知的形式化问题，进而研究人工智能。”李德毅认为，要想解开脑认知形式化之谜，可以借助脑认知的神经学方法。人的思维、意识能不能在大脑中找到特定的区域，这就是脑认知的形式化问题。比如，“看到”和“认出”一个人，可能代表不同的脑神经，大脑中很多部位都参与了对容貌影像的信息处理。

　　对于脑认知神经学形式化的描述方面，李德毅认为，可通过三种尺度来描述：“宏观尺度”描述认知行为与脑区域网，“介观尺度”描述神经环路与神经网络，“微观尺度”则用来描述蛋白质分子水平与基因等。这也印证了任何学科在什么尺度上的形式化至关重要，尺度越细、结构越复杂，形式化越难。

　　“当然，通过脑认知神经学的方法来研究人工智能也存在着一定的风险。”李德毅坦言，“如果仅在微观和介观尺度上研究生物脑，可能研发出一个并不具备人脑认知能力的人造生物脑。”

　　那么，研究脑认知的形式化是否还存在第二条路呢？

　　“可以借助脑认知的物理学方法将脑认知形式化。”李德毅给出了答案。如果将研究生物脑在社会认知过程中脑的成长与进化，如脑认知的神经学方法，称之为脑认知的“正向工程”，那么脑认知的物理学方法则可称为脑认知的“逆向工程”，即从脑认知的社会属性研究脑进化。

　　李德毅认为，脑认知的社会属性包括作为主观世界的人脑是如何反映客观物理世界的，人脑如何从外部环境中获得知识和技能，人脑如何解决未知，人脑是如何形成创新这几个问题，而后三个问题恰恰是“人工智能”研究的全部内容。脑认知是与社会环境、社会实践、群体交互等密切相关的，语言、知识、文明等都来自于后天客观世界的学习和积累。不能只研究人脑的天然属性，应该建立人脑认知的成长机制，研究人脑成长和认知的群居性和社会性。

　　而对于脑认知物理学形式化的描述方面，李德毅也给出了四种尺度来描述。“信号级别”用来描述微观和宏观信号，“符号级别”描述编码、文字和符号，“语义级别”描述不同粒度的概念、图像、信息和知识，“行为级别”描述情感、意识、记忆和动作行为。

　　“一旦碳基生物脑和硅基电子脑形成‘杂交优势’，其势将猛不可挡，必定掀起人工智能研究和应用的新高潮。”李德毅说。