人工智能是是一门既古老又崭新的学科。早期的人工智能为早期的工业和互联网发展做出了巨大的贡献。但是，早期的人工智能技术是主要有数学家和系统工程师们在基于对大脑很肤浅的认识基础上发展起来的。近年来，伴随脑科学的发展，人工智能正在进入一个新时代。以深度学习（Deep Learning）为例，发明者借用了大脑的多层结构这一基本思想，通过对传统的人工神经网络改造，在诸如图像识别、语音识别等感知识别问题上就已经取得了重大突破。应该说这仅仅是开始。传统的或深度的人工神经网络和大脑相比还有很多不同之处，例如在神经元和突触的模型上、在规模上等等。因此，基于对传统的人工神经网络改造的方法带来的人工智能现在也只能被称为弱人工智能。

新人工智能技术除了通过对传统技术的改良（如深度学习），还有更深层次的革命性技术正在发展中。我们都知道，电脑比人脑记忆强、运算快，但人脑可以轻而易举地感知和识别物体，原因何在？脑科学的研究明确揭示了大脑在结构上就没有像电脑里那样拥有分离的处理器和储存器。另外，神经元的信号具有Spiking的特征，而不是电脑的0、1数字信号。大脑拥有天文数字的神经元和十分复杂的网络结构。我们的记忆、知识和技能等就分布在这样的一个生物体系内。人脑与现在的电脑（也称冯诺依曼计算机）的不同，正在促使科学家们研究更像人脑的计算机（又称非冯诺依曼计算机）。类脑计算作为一个新的领域已经诞生，并已成为欧美脑计划中的重要部分。类脑计算有望为新人工智能带来革命性的突破。这种更接近大脑功能的新人工智能也称为强智能。

通过大脑仿真，我们可以从生物大脑寻找脑的可能的工作原理，对深度学习和类脑计算的研究起到较好的指导作用。例如对于视频信息的处理，我们可以模仿大脑的视觉双通路信息流。对于运动目标的跟踪，则可以模仿眼睛的运动系统。我们将以脑科学为基本导向，进一步创造性地发展深度学习和类脑计算，使得弱人工智能更强大，真正实现非冯计算。