为何总感觉人工智能和神经科学（神经网络）被绑在一起？

人工智能的发展主要分为三个阶段，运算智能、感知智能以及认知智能；人工智能的发展方式和人类成长是相反的，机器的优势在于超强的运算能力，但是缺乏对外界信息进行采集和分析处理的能力，人类的优势在于理解、认知以及情感。

在运算智能阶段，人工智能往往是通过大规模的晶体管或者是芯片，通过二进制的优质算法对信息进行快速处理和运算，但是在长期的实践过程中，人们发现这样的人工智能智能处理你输入给他的数据，而无法自动获取数据，无法对事情做出感知和预判，这时人们就开始研究感知智能；

感知智能阶段，这一阶段机器可以通过摄像头、红外感应、GPS定位以及各类传感器，让机器能通过模拟人类或者动物的各种感官来实现自主的信息收集和分析处理，但是这一阶段反馈出了另一个问题，机器虽然能感知会计算，但是机器无法判断对错，无法自主学习、无法实现感情认知；

认知智能阶段，人们想通过模拟人脑的运行和工作机制来分析出人类为什么能具有感情，能认知对错，能自主学习，所以神经科学就是最值得借鉴的案例，但是由于人脑、神经非常复杂，所以至今不能模拟出真正具有感情的机器人，或者说人工智能。

当然现阶段的人工智能大多是基于深度神经网络、卷积神经网络算法来模拟人类的思维模式，希望通过大量的数据积累和自主学习来实现从量变到质变的转化，但是实现的可能性行业内都不是特别乐观。