谷歌的AI专家声称，伟大的人工智能必须建立在神经科学的基础上DemisHassabis在人工智能方面富有阅历：他在伦敦创办了一家名为DeepMind的人工智能公司，在2022年，谷歌花费6.5亿美元收购了这家公司。在此之后，他的公司创造了AlphaGo，在繁杂的围棋比赛中彻底击败了人类，并开头进一步开发更通用的人工智能系统。但是，现在他公开表示，人工智能要想真正实现其潜力，唯一途径是从人类的智力运作方式里探索灵感。目前，大多数人工智能系统都是建立在数学层面上，而这种层面的人工智能系统其实也在确定程度上受到了人脑运作方式的启发。但是，不同类型的机器学习，譬如，语音识别或图像识别，需要不同的数学布局，所生成的算法也只能执行某种特定的任务。在机器学习领域，构建能够执行通用任务而不是专属任务的人工智能，一向是人们的夙愿。但事实是，要扩展特定的算法，使其更通用化，依旧是分外困难的。可能片面理由是，人工智能目前还不具备人类的一些特性，譬如奇怪心、想象力和记忆等，或者它已经具有了一片面人类特性只是还处于起步阶段。7月20日，Hassabis和三个共同在《神经》杂志上发表了一篇论文，他们认为，只有当我们更好地了解了人类自身的智能后，才有梦想让人工智能实现更多看似不成能的任务。他们认为，首先，只有更好地理解大脑是如何工作的，我们才能更好地为电子智能创造新的布局和算法。其次，通过从建立和测试尖端人工智能系统的阅历中吸取教训，我们可以更好地理解：智能毕竟是什么。该论文回想了神经科学和人工智能的历史，以阐释两者之间的联系。该论文指出，无论是使用“人工神经元层来理解输入内容”的深度学习，还是通过“反复试验、试错”的强化学习（reinforcementlearning），这两种人工智能的机器学习都得归功于神经科学。但论文也指出，实际上最近人工智能的进步并非特别凭借于生物学。不过，通用的人工智能那么更需要类似于人类的特性，譬如对现实世界的直觉性理解和更有效的学习方法。Hassabis和他的同事们认为，“将人工智能和神经科学间的思想举行互换，以推动两个领域共同‘良性循环’进展”，这可能是一个不错的解决方案。Hassabis并不是唯一一个持这一观点的人。纽约大学的心理学教授、优步AI测验室前主任GaryMarcus认为，可以通过研究儿童认知的进展模式，来提升机器学习系统。即便如此，要将这些想法实现依旧很困难。在科技媒体theVerge的一个采访中，Hassabis解释道，人工智能和神经科学已经成为“两个浸淫在自身惯性思维里的浩瀚领域，普遍人在其中任何一个领域都很难成为专家，而了解这两个领域、并能将二者联系起来的通才型专家那么是凤毛麟角！”