袁岚峰：您对于人脑的模拟，跟我们说的人工智能里面那个深度学习，它有什么样的联系和区别？

　　冯建峰：今天的神经网络基本上不是脉冲，是连续信号，是analog（模拟）信号，这是一大区别。我觉得可能还有一个，大家很少意识到的区别。在神经科学界，大部分人都认为，神经元是一个随机的输入输出系统。

　　袁岚峰：不是确定性的吗？为什么变成随机的了？

　　冯建峰：没有人认为是确定性的。你去做同一个recording（录入），就是同一个信号进去，这一次和下一次都是不同的。这个在神经科学界，有很多年的认识。所谓的Interspike interval（峰间期），就是两个脉冲之间……

　　袁岚峰：时间间隙是吧？Interval（间隔）。

　　冯建峰：对，interspike interval（峰间期）。你去看所有的神经科学的书、文章，这是一个随机过程。它靠什么来计算？肯定不是一阶矩。因为Interspike interval（峰间期）不是确定性的，所以很多人没有意识到这一点。

　　袁岚峰：所谓一阶矩就是平均值，对吧？

　　冯建峰：Firing rate（发放率），sigmoid函数，这肯定不够。

　　袁岚峰：所以至少需要二阶矩。

　　冯建峰：至少需要二阶矩。那它在算什么，对吧？它算什么，我给你一个答案。比如袁老师， 下回来我还能认识你。我百分之百认识你，百分之五十认识你，还有置信区间。至少，二阶矩就可以给我置信区间。所以这跟生物里面的算，为什么跟冯·诺依曼计算机完全不一样，这里面比如说我可以给你置信度，我知道我的hallucination（幻觉）不会产生，跟今天的人工智能有很大的区别。所以说你就能看得见，这里面fundamentally（本质上）是有区别的，只不过可能数学物理的确还没达到这个地步。

　　袁岚峰：您刚才提起那个，让我大吃一惊。就是发现人工智能的神经网络和生物的神经网络其实完全不一样，生物神经网络是随机的，人工智能的神经网络是确定性的。

　　冯建峰：确定性的。

　　袁岚峰：所以这是一个如此基本的不同。

　　冯建峰：从今天为止，我并不知道你的脑子在用什么东西处理信息。

　　袁岚峰：如此基本的问题，我们其实还是不清楚的。

　　冯建峰：最本质的东西。所以神经科学最basic（基础）的问题就是，我们不知道我们在干什么。如果我能够知道我盯着什么东西看，那我就知道了。这个Rosetta stone（罗塞塔石碑），这个编解码的我没有。

　　袁岚峰：这个太有趣了，这是我们今天一个巨大的收获。

　　冯建峰：对。

　　袁岚峰：所以人工智能本身是成功了，但实际上脑科学的那个基本问题，其实还没搞清楚。

　　冯建峰：我觉得人工智能是否成功，下结论也有点早。它是有用的一个东西，但是到底多有用？到底能跟我们的智能有多大的匹配？你回过头去看，人工智能解决一个什么问题？大规模的数据，这些数据可度量化，我能够有一个误差函数，我最后能找到一个解，这个解比你人做得好。因为围棋就是这么下的，所以它本质上，从数学上来说，它就做了这么个问题，那你说它有多大的智能？

　　袁岚峰：当然我们见过很多人工智能的专家，都说现在人工智能没有智能。

　　冯建峰：学界是这样的。我觉得大部分学界的人，比如说像Michael I Jordan（迈克尔 · I · 乔丹），像LeCun（杨立昆） 、李飞飞，我想还是有这样的观点的。

　　数字孪生，是智能制造中一个非常重要的概念。然而你有没有想过，给自己的脑做一个数字孪生？

　　乍看起来，这几乎是个不可能的任务，因为人脑有860亿个神经元，我们还远没有搞清楚它们的连接方式，更不用说工作方式。但惊人的是，世界第一个数字孪生脑已经做出来了！

　　2024年，复旦大学浩清教授、复旦大学大数据学院、类脑智能科学与技术研究院院长、上海数学中心首席教授冯建峰老师研究组，在中国的顶级期刊《国家科学评论》发表了这项成果。特别有趣的是，这个数字孪生脑模仿的对象就是冯老师本人的脑，简称“冯脑”。他为了这项研究，多年来奔波于多台检测仪器之间，雷打不动。

　　数字孪生脑是怎么实现的？它能给科研和应用带来哪些突破？中国在这个领域如何后来居上？我们再来访问冯建峰老师。

　　《锚点》节目中国科学技术大学科技传播系副主任袁岚峰对话复旦大学冯建峰教授，东方卫视2025年12月17日播出。25分钟的全片可见于上海广播电视台“看看新闻”网站（https://www.kankanews.com/detail/EnwNqNKAEQa）、app以及视频号，本片为精彩片段之二。