842
29这期节目讨论我最喜欢的两个话题： 人工智能和神经科学（脑科学) 。 我们邀请了 UCL 盖茨比 (Gatsby) 计算神经科学中心 的 Kevin 聊了聊 这两个领域的现状和发展趋势， 以及这两个领域如何能互相激发灵感， 相辅相成共同发展。
UCL 盖茨比 (Gatsby) 计算神经科学中心是全球最前沿的结合机器学习和神经科学的研究中心。AlphaGo 的创造者， Deepmind 公司的两位创始人就是在Gatsby里相识。
人工智能（AI) 和神经科学（脑科学）的 交叉点是探索智能的本质。虽然我们今天很难给出一个通用的“智能”的定义， 但我们可以通过反思 我们人是如何学习， 感知， 和决策，来推动神经科学和人工智能的研究。 欢迎大家订阅频道， 并且留言你们对这两个领域的看法。
【主播】Linda， Ken
【嘉宾】UCL Gatsby 盖茨比计算神经科学中心 博士 Kevin
【收听亮点】
3:49 UCL Gatsby 盖茨比计算神经科学中心的起源
5:38 人工智能（AI) 和神经科学是如何交叉的
8:27 人工智能这么厉害了， 为什么我们对大脑还不够了解
11:25 人工智能的模型是基于大脑的模型设计的吗
12:39 人工智能的模型能模拟大脑吗
20:19 人工神经网络为什么不能像人脑一样高效率
27:57 如何定义“智能”
29:50 人工智能需要复现大脑吗
32:17 丛神经科学角度看“意识”
38:35 机器学习的学习机制和人的学习机制一样吗
41:52 我们需要恐惧脑机接口技术吗
【收听方式】
可以通过 喜马拉雅、小宇宙、Apple 播客 （Podcasts)、 QQ音乐、荔枝FM、Spotify 或Google Podcasts 收听。
【联系我们】微信公众账号：什锦talk 微博@Linda的什锦生活
【专业词表】
之前有听友朋友反馈说节目里用的英文太多了， 这期我们尽量在节目里把提到的英文专业名词做了解释， 这里也列个简单的词表：
Algorithm: 算法
ArtifIcial Neural Network: 人工神经网络
Cognitive Science: 认知学
Concisounse: 意识
Contrastive Learning：对比学习
EEG：脑电波扫描
Machine Learning: 机器学习
Neuroscience: 神经科学
Neurotech: 神经科技
Neural Network: 神经网络
Reinforcement Learning: 增强学习
Supervised Learning: 监督学习
Unsupervised Learning: 非监督学习
由于节目录制过程中出现一些技术问题， 导致声音不很完美， 希望大家谅解。 我们后面会继续做一些AI 和神经科学的话题， 欢迎留言你感兴趣的话题。
