来自英国神经科学协会（BNA）已经回顾了神经科学与人工智能（AI）技术之间日益增长的关系。在线活动的特色是来自英国各地的演讲，该会谈回顾了AI如何改变了脑科学以及仍然是新生技术的许多未实现的应用。

经过白痴AI

用他的演讲开始这一天，Shake your Foundations: the future of neuroscience in a world where AI is less rubbish,Prof.克里斯托弗·萨默菲尔德，来自牛津大学，研究了AI的愚蠢，可笑和务实的阶段。我们正在从愚蠢的阶段移动，在愚蠢的阶段，虚拟助手通常是不可靠的，并且AI控制的汽车撞向了他们没有注意到的随机对象，转移到了荒谬的阶段，到了一些AI工具实际上非常方便。萨默菲尔德强调了一个名为的节目DALL-E, an AI that converts text prompts into images, and a language generator calledgopher这可以通过自然的自然反应回答复杂的道德问题。

What could these advances in AI mean for neuroscience? Summerfield suggested that they invite researchers to consider the limits of current neuroscience practice that could be enhanced by AI in the future.

Summerfield说，神经科学子场的整合可以由AI启用。他说：“学习语言的人不在乎愿景。学习视觉的人不在乎记忆。”如果仅考虑一个不同的子领域，AI系统就无法正常工作，并且Summerfield建议，随着我们更多地了解如何创建更完整的AI，那么在我们对生物学大脑的研究中将看到类似的进步。

可以将神经科学拖入未来的AI的另一个元素是grounding它成功所必需的。当前，AI模型在学习关联之前提供了上下文培训数据，而人脑则从头开始学习。是什么使在心理学家的实验中有志愿者可以告诉做某事，然后做呢？为了创建更多天然的AIS，这是神经科学首先必须在生物学大脑中解决的问题。

Better decisions in healthcare using AI

牛津大学Mihaela van der Schaar教授查看我们如何使用机器学习在她的谈话中赋予人类学习能力，定量认识论：一种新的人机合作伙伴关系。Van der Schaar的演讲讨论了通过称为Meta-Learning的过程向临床医生教授机器学习在医疗保健中的实际应用。范德·沙尔（Van der Schaar）说，这就是“学习者意识到并越来越了解感知，探究，学习和成长的习惯。”

This approach provides a potential look at how AI might supplement the future of healthcare, by advising clinicians on how they make decisions and how to avoid potential error when undertaking certain practices. Van der Schaar gave an insight into how AI models can be set up to make these continuous improvements. In healthcare, which, at least in the UK, is slow to adopt newtechnology, van der Schaar’s talk offered a tantalizing glimpse of what a truly digital approach to healthcare could achieve.

从范德·沙尔（Van der Schaar）的演讲中很好地勾结出来的是伦敦帝国学院教授Aldo Faisal的演讲，标题为AI和神经科学 - 良性周期。Faisal着眼于人类和人工智能相互作用以及如何分类的系统。尽管在Van der Schaar的临床决策支持系统中，人类仍然负责最终决定，而AIS仅在AI-Aignectentic的假肢中建议，这些角色被逆转。用户可以通过发送神经冲动来建议采取行动，例如“拾起此玻璃”，然后AI可以找到一个响应，以例如指导假肢以某种方式移动这一建议。然后，Faisal详细介绍了这些范式如何为真实世界的学习任务提供信息，例如运动跟踪的受试者学习玩池。

一项令人着迷的研究涉及一项平衡委员会任务，其中人类受试者可以用一个轴倾斜板，而AI则控制了另一个轴，这意味着两者必须协作才能成功。随着时间的流逝，AI学到的策略可以在某些学科之间“复制”，这表明人类的学习组成部分相似。但是对于其他主题，这是不可能的。

Faisal suggested this hinted at complexities in how different individuals learn that could inform behavioral neuroscience, AI systems and future devices, like neuroprostheses, where the two must play nicely together.

The afternoon’s session featured presentations that touched on the complexities of the human and animal brain. The University of Sheffield’s ProfessorEleni Vasilaki解释了蘑菇身体，在学习和记忆中扮演角色的苍蝇大脑区域如何提供对稀疏储层计算的见解。Thomas Nowotny，苏塞克斯大学的信息学教授审查了一个名为Asynchrony的过程，该过程在响应某些刺激的情况下在略有不同的时间激活了神经元。Nowotny解释了这如何使相对简单的系统（例如Bee Brain）仅使用几千个神经元进行令人难以置信的通信和导航壮举。

AI有思想吗？

结束当天的演讲是一场演讲，展示了社交AI的怪异未来，由亨利·谢夫林，剑桥大学Leverhulme Intelligence（CFI）的高级研究员。

Shevlin回顾了心理理论，这使我们能够理解其他人的想法，实际上是在建模他们的思想和情感。AI的思想与我们相同的方式吗？谢夫林（Shevlin）在2021年在这里回顾了一系列世界上的AI，在世界上充当人类。

一种这样的AI，OpenAIS语言模型GPT-3在互联网论坛网站Reddit上发布了一个星期，与人类的redditors聊天，并提出了数百条评论。聊天机器人像replika这样的聊天机器人，将自己个性化向单个用户，创建伪关系，感觉像人类的联系一样真实（至少对某些人来说用户）。但是，舍夫林说，目前的系统非常擅长欺骗人类，但没有“心理”的深度，实际上是我们手机使用的预测文本系统非常熟练的版本。

While the rapid advance of some of these systems might feel dizzying or unsettling, AI and neuroscience are likely to be wedded together in future research. So much can be learned from pairing these fields and true advances will be gained not from retreating from complex AI theories but by embracing them. At the end of Summerfield’s talk, he summed up the idea that AIs are “black boxes” that we don’t fully understand as “lazy”. If we treat deep networks and other AIs systems as neurobiological theories instead, the next decade could see unprecedented advances for both neuroscience and AI.