在中国图象图形学学会主办的讲堂上，中国科学院自动化研究所余山研究员作了“从脑网络到类脑网络计算”主题报告。余山研究员借鉴Marr对视觉体系的划分，将类脑计算的研究分为四个层面：硬件、算法、计算、学习。针对每一层面，余山研究员做了或简或详的介绍，颇有启发。
在深度学习浪潮推动下，人工智能其他研究方向也在加速发展，包括机器感知、模式识别与数据挖掘、自然语言处理、知识表示与处理、智能芯片与系统、认知与神经科学启发的人工智能、人工智能和其他学科的交叉等。
智能眼镜能向我们展示从远处看到的东西，同时还会有接入耳朵的设备能够让我们听到......相信你可以拥有一个在各方面都很优越的人工智能只是一个幻想。这就像宗教一样。这其实是一个工程问题，与未来发明无关。工程不能优化所有的东西，总是需要权衡，包括智能。
纽瑟姆教授表示，目前，能够植入到大脑里的电极信号非常简单，接受到的信号也很简单，而大脑的信号系统是极其复杂的。除此之外，还有很多大问题需要解决，其中一个是，现在植入到大脑里的电极能够使用的时间是有限的，意味着过一段时间后要取出，大脑对这些电极的材料也不能完全兼容。
我认为，我们需要弄清楚我们的社会可以接受什么，不可以接受什么，并让人工智能找到一种可以被接受的方式生存。我们可能需要妥协，我们必须得放弃成长过程中的隐私观，但这当然不意味着我们应该放弃更多的东西。
人工智能就是试图让计算机去做使人更智能的事情。例如，用计算机视觉、嗅觉和听觉感知世界就是智能的一部分，当然还有下棋中的推理。在未来，一个老师教一个班上20个孩子时，每个孩子都会有一个AI助教，那就是计算机。这类计算机AI系统不仅与学生互动，还会与老师互动，告诉老师现在哪位同学需要他的关注。
与其说考虑机器是否会取代人类医生，不如说我们正用机器不断创造新工具，帮助医生更好、更高效地完成工作，将医生的劳动力充分释放，让他们投入到要求更高的工作中去......2001年皮克斯出品的动画电影《怪兽电力公司》中，主人公小女孩阿布身穿的粉红色睡衣、“怪兽”苏利文身上软乎乎的蓝色皮毛，均通过基于可变形
在20世纪80年代，计算机速度慢且价格昂贵，因此必须对它进行逻辑化编程，但今天计算机的速度比过去要快一百万倍，并且通过深度学习，AI可以通过实例进行自我编程。比如，当我开始研究AI时，我们只能解决小问题，但今天可以通过更大的深度学习网络解决难题。
目前关于这些问题的公开讨论中，经常使用“AI”这个术语作为一个智能的通用词，这使得人们很难推断出新兴技术的范围和后果。因此，我们有必要深入了解AI在最近和曾经被用来指代什么。
如今大多数被称为AI的东西，尤其是在公共领域，实际上是机器学习(ML)，这个术语在过去几十年里一直在使用。
真正重要的改变是当我们能把电子阅读器或是电脑与人们身上或身体内部的生物识别传感器连接在一起的时候，它们能够获取人体内部而非表面的信息，比如你的血压、心率和肾上腺素水平如何。基于这些信息，算法能够了解书里的每一个句子如何影响你的情绪。你阅读一个句子的时候，算法知道你的血压如何变化。基于这些
