人工智能研究似乎有了突破的希望，那麼其實真正的人工智能離我們有多遠呢?
2012年11月14日，在美國猶他州鹽湖城的2012超級計算大會上，IBM的計算機專家提交了一份標題是“1014”的報告。報告所描述的研究被媒體稱爲“認知計算的里程碑”。使用了世界上運算速度最快的96臺計算機，研究人員製造出了包含5300億個神經元和100萬億個突觸的人造“大腦”。
這是迄今爲止對大腦的最大規模的模擬。它的初始目標是模擬出實驗室中常見的恆河猴的大腦。有網友戲稱“世界上第一臺人工智能計算機誕生後的第一件事會是要一根香蕉吃”，但現在這個“大腦”只是“神經形態工程學”意義上的。
這裏所說的神經元和突觸並不是生物學意義上的。對於計算機來說，神經元就是計算中心，每一個神經元能夠從周邊成千上萬的其他神經元那裏接收到輸入信號，對數據進行分析處理，然後再發射出去;突觸是用於連接神經元的，它是記憶和學習發生的地方。
換句話說，神經形態工程學是受生物腦的功能和結構的啓發，來改進計算機。比如說，傳統的計算機依靠數量巨大的晶體管的開啟與關閉來執行，要求接近完美的動作。這意味着電力的消耗。人腦只需要20瓦的電力，但是如果用傳統方式建立與人腦規模相當的計算機，其用電量將相當於一個小城的用電量。之所以會這樣，一個原因就是人腦是“事件驅動”的，只有當某些神經元被激活時纔會較爲消耗能量。而且，人腦突觸的失誤率非常高，在30%到90%的情況下會動作失敗，但人腦工作得很好。假如是傳統的計算機，晶體管一次失誤可能就會導致死機。
IBM的最新成果將電腦設計成了“事件驅動”，電力消耗也大幅降低。但現有的結果並不是在生物學上或功能上的精確模擬，計算機仍然不能思考或是感受。有一些科學家對達到這最終的目標顯得很樂觀，但也有人認爲這還相當遙遠。因爲現在人們對人腦執行的瞭解還實在是太少，在神經科學解決最基本的問題之前，人工智能不大可能產生突破。“這有點像是擁有了世界上最大數量的樂高塊，卻對於能從中得到什麼毫無頭緒。真正的藝術不在於買樂高塊，而在於知道如何把它們組裝起來。”《紐約客》評論說。
並非不可能
瑞士聯邦理工學院的神經科學家亨瑞·馬克拉姆(Henry Markram)自2005年起主持了一項稱爲“藍腦計劃”的項目，其目標就是用計算機模仿出人腦的生理學過程。在2009年的一次TED演講中，馬克拉姆稱：“建造一個人類大腦並非不可能，我們將用10年的時間做到。”他想象中的人造大腦將能夠說話，擁有人類的智力水平和相似的行爲方式。
另一名在這個問題上持樂觀態度的研究者是美國的未來學家雷蒙德·庫茨魏爾(Raymond Kurzweil)。他預言到2029年就會有計算機透過圖靈測試，並願意爲此賭上兩萬美元。所謂圖靈測試，是圖靈在1950年提出的一個遊戲，讓一個人類的審問者去審問一臺機器和一名真人，這名審問者並不知道對方的身份，而機器的目標是讓審問者把自己誤當成人，而真人則要幫助審問者正確識別出機器。如果機器成功迷惑了審問者，那麼我們就說這臺機器透過了圖靈測試。
支撐起科學家和工程師樂觀態度的一個主要因素，是所謂“摩爾定律”——計算機的運算能力每18到24個月就會翻倍。
2011年，在美國最受歡迎的電視競猜節目《危險邊緣》(Jeopardy!)上，來自IBM的計算機“沃森”(Watson)擊敗了兩名人類對手。競猜節目中的題目涵蓋範圍很廣，歷史、文學、語言、藝術、科學、文化等都有涉及，其形式是參賽者會收到短語提示，根據這些提示用問句的方式搶答出那些短語所描述的對象。其中涉及了對自然語言的理解和聯想能力，而這通常被認爲是人類思維優於計算機的方面。
“沃森”的研發者大衛·費魯奇(David Ferrucci)就指出，即便是用速度最快的處理器，計算機也需要兩個小時才能答出一道涉及自然語言的題目。對於《危險邊緣》這樣的節目，這完全是不可接受的。想要獲勝，必須在三秒鐘之內作答。因此，“沃森”使用了2880個處理器，分佈在90個服務器上。它還儲存了多達兩億頁成結構或不成結構的“知識”，包含了維基百科的全文，但競賽時它並沒有連接互聯網。
在這場競賽中，兩名人類對手都是歷次比賽中最強大的獲勝者，“沃森”擊敗了他們，獲得了100萬美元的獎金。在對自然語言的處理上，“沃森”的創新之處並不是採用了什麼新的高超的算法，而是同時執行數以千計的語言分析算法，從結果中尋找共性。只有當“沃森”確信自己得到了正確答案時纔會搶答，如果對於答案不那麼有信心，它則會保持沉默，不冒險作答。
雖然這不表明“沃森”能夠像人類那樣去理解語言，但它成功處理了人類語言中雙關、模糊的一面。1997年電腦“深藍(Deep Blue)”因擊敗世界象棋冠軍而震驚世界，僅僅五年之後，計算機科學家就做到了僅靠連接八臺個人電腦而達到相等的運算能力。庫茨魏爾認爲，依照現在電腦的發展速度，在“沃森”之後僅需七年，單獨一個處理器就將做到它在《危險邊緣》中完成的壯舉;僅僅10年，個人計算機就能達到這個水平。
從最簡單的開始
秀麗隱杆線蟲是一種生命只有幾天的線蟲，自1974年起就被當作分子生物學和發育生物學中的“模式生物”。這是一種看上去非常簡單的生物：身長大約1毫米，一隻秀麗隱杆線蟲由959個細胞組成，其中有302個是神經元，95個是肌細胞。早在1980年代，生物學家們就搞清楚了秀麗隱杆線蟲302個神經元的連接方式;然而，過去26年中所有嘗試模擬其完整神經系統的努力均以失敗告終。
1997年和1998年，美國俄勒岡大學和日本的一組研究人員就分別嘗試過建立秀麗隱杆線蟲的完成模型，包括整個身體的每一個神經元、突觸，以及完整的感覺形態(sensory modality)。兩個項目都是隻公佈了最初的計劃，然後就再無下文。此後，從2004年到2010年間，日本、英國、美國的研究人員還開展過類似項目，有一些收穫，但遠非完整。
儘管一隻秀麗隱杆線蟲只有302個神經元，但根據2011年發表的一項研究，秀麗隱杆線蟲的軀體神經系統含有6393個化學突觸、890個縫隙連接、1410個肌肉神經接點。即便人們已經很清楚神經元的'連接方式，但突觸是如何行爲的仍是正處於研究之中的課題。美國哈佛大學的大衛·達倫布爾(David Dalrymple)就認爲，之前的研究只是從連接方式出發，而並不真正理解神經元，這就好像你想要製造一臺收音機，而手上只有一張電路示意圖，沒有任何關於零件的資訊。
達倫布爾是哈佛大學的一名博士生，受谷歌CEO拉里·佩奇的資助，從2011年開始運用“光遺傳學”(optogenetics)的手段進攻之前所有人都未成功的問題。他的目標是確定秀麗隱杆線蟲每一個神經元的功能、行爲和生物物理特性，最終在計算機上重建出其完整的神經系統。他估計這一工作大概需要三到四年的時間。
同時，一個由美國、歐洲和俄羅斯的科學家與計算機專家合作進行的“OpenWorm”項目也從2011年開始，嘗試在計算機上全面模擬出秀麗隱杆線蟲——從基因到行爲。他們在2012年初已經推出了OpenWorm瀏覽器，讓所有人都能以3D形式探索秀麗隱杆線蟲在細胞層面的結構。這個項目的一個哲學思想是，只有當我們能夠重建一個生物體的時候，才代表我們真正理解了這個生物體。
秀麗隱杆線蟲是自然界中擁有神經系統的最簡單的生物之一，也是生物學家最爲熟悉的生物。達倫布爾和OpenWorm對秀麗隱杆線蟲的模擬只是萬里長征的第一步，他們的最終目標都是模擬人腦的神經系統。在成功模擬秀麗隱杆線蟲的神經系統之後，達倫布爾計劃中接下來的目標將是五天大的斑馬魚幼體，此時它大約有10萬個神經元;然後是有96萬個神經元的蜜蜂、5000萬個神經元的老鼠，最終是850億個神經元的人腦。達倫布爾期望對人腦的在細胞層面的模擬能在他的有生之年完成。達倫布爾出生於1991年。