alphago赢得围棋大战后，很多人开始思考ai革命的问题，说白了就是ai阶段上升的问题，它标志着我们从弱ai阶段进入了强ai或者说人类水平的ai阶段，但既然跟“人类”开始挂钩，那我们就应该探讨从人那里，机器人可以切身学到什么？

在今天韩国大田举办的iros 2016人脑项目中的虚拟神经机器人分论坛里，德国马克斯·普朗克学会的heinrich h. bulthoff （heinrich h. bülthoff）教授从5个方面为我们阐述了他的观点。

在讲这5个方面前，我想说，从弱ai阶段进入了强ai或者说人类水平的ai阶段，首先第一个关键是要增长计算力。

第二个关键是看大脑如何运作的。

所以引申出下面的5方面。

1） 我们能从大脑识别里学到啥？

目前我们通过3d建模，精确的物理控制和维度控制学会了人脸识别和物体识别这些大脑常做的工作。

2）大脑怎么计算的（推理的）？

大脑不是一个曝光计，它不是根据光的密度来决定它对什么感兴趣的，而是根据它的推断来决定它对什么感兴趣的。下面这三个经典例子都表明，而这个感知过程，很有可能是由一种无意识的推断组成的。

3）为什么积极的感知很重要？

人类感知很大程度上，是一种被动的的积极感知。当一些东西进入我们的视野，我们会选择性地对进入事业的东西的一部分进行高分辨率的感知。比如这个自上而下的图我们目前就不能解释我们如何选择感知目标的。

4）关于虚拟世界中的感知和行动。

在飞行员训练中我们经常见到这种例子，飞行员坐在训练室里的椅子上，椅子在360各种旋转，飞行员自己手里拿着方向盘移动，虽然它没有在天上开飞机，但他获得的感觉跟在蓝天上完全一致。这给了我们一个重要启示，就是大脑如何在复杂的控制运动中，用不同的（感知）传感器就可以达到任务，而不是真的要完全模拟我们的大脑。

在现实生活中我们怎么应用它？下面这个图是非常常见的一部分。

heinrich h. bülthoff教这个话题给我们的启发是，跟运动模仿那边不一样的是，基于人脑的模仿，除了物理上的模仿，还掺杂了人类意识上，甚至可以说哲学层面的模仿，这告诉我们在做基于这类模仿的机器人技术时，应该对人类行为背后的认知和感知思维有个更深层次的理解，从而助力我们更好地实现真正的“类人”人工智能。

以上是网络信息转载，信息真实性自行斟酌。