在认知科学和信息技术交叉领域，人脑与人工智能的对比研究一直是学界关注焦点。
复旦大学类脑智能研究团队负责人近日在公开学术对话中，系统阐释了生物大脑与人工神经网络的核心差异，为相关研究提供了新的理论视角。
问题：当前人工智能技术虽在特定领域表现优异，但在灵活性、适应性方面仍与人类智能存在明显差距。
这一现象的根本原因是什么？
原因：研究显示，关键在于神经网络运行机制的差异。
人脑对同一信号的每次处理都会产生不同输出，这种随机性使生物神经网络具备更强的环境适应能力。
相比之下，现有人工智能系统基于确定性算法，其输出结果完全由输入数据和模型参数决定，缺乏真正的随机应变能力。
影响：这种本质差异导致人工智能在需要创造性思维、模糊决策的复杂场景中表现受限。
例如在突发事件处理、艺术创作等领域，现有技术难以达到人类水平。
同时，这也解释了为何当前人工智能系统需要海量数据训练，而人类却能通过少量样本快速学习。
对策：冯建峰教授建议，未来人工智能研究可考虑引入生物神经网络的随机性特征，开发新型混合模型。
这需要神经科学、计算机科学、数学等多学科深度协作，重点突破随机算法设计、动态网络架构等关键技术。
前景：随着类脑计算研究的深入，模拟生物神经网络随机性的新技术路径可能为人工智能发展打开新局面。
专家预测，未来5-10年可能出现兼具确定性与随机性的新一代智能系统，在医疗诊断、自动驾驶等领域实现突破性应用。
人脑与机器的差异本质上反映了自然界数百万年进化积累的智慧与人类工程设计理性之间的对话。
认识到这一差异，不是要否定人工智能的价值，而是要为其进一步的发展指明方向。
只有更深入地理解生物智能的运作机制，才能设计出更接近人类智能水平的机器系统。
在这个过程中，科学的探索精神和开放的学术态度至关重要。