蔣昌俊曾談到，傳統的AI注重從感知到認知的過程，實現從邏輯到計算的不斷提升；而當前的AI，則是由弱到強的智能，是從閉環到開環、從確定到非定的系統。
他進一步作了解釋，“目前的神經網絡模型大都側重對數據的計算層面。事實上，一個高級的智能機器應該具有環境感知與邏輯推理的能力。將AI的演算和計算進行融合，結合基於規則系統的推理能力和神經網絡的學習能力，即可構建一個更強大的AI模型，推理能力也可以幫助減少神經網絡學習新事物時所需的數據量。這樣的交互和融合將是當前AI由弱到強的主要突破口。”
蔣昌俊認為，在構建類腦認知模型中，目前脈衝神經網絡的神經元以電脈衝的形式對信息進行編碼，更接近真實神經元對信息的編碼方式，能夠很好地編碼時間信息。而由於脈衝訓練缺乏高效的學習方法且需耗費大量算力，在性能上與深度網絡等模型還存在一定差距。“未來，兩類模型仍需要不斷從腦科學中吸取營養並不斷融合，發展性能更好、效能更高的新一代神經網絡模型。”
在被問及學會、研究機構等在AI未來發展中的角色，蔣昌俊對澎湃新聞（www.thepaper.cn）表示，無論是學會還是研究機構，本質上都在賦能企業，要做好這件事就要深入具體問題，比如只有真正理解交易過程的場景、規律、業務特點，才能解決問題。
蔣昌俊曾談及30年科研歷程的體會，“回顧30年來的科研歷程，我深切感受到，基礎創新是破解科技難題的法寶。當今時代，科技發展日新月異，面對科技創新的挑戰，我們要更加重視基礎創新，要不斷回顧領域發展歷史，梳理演進脈絡，找准切入點，開闊思路、大膽創新、嚴謹求實，著力求解難題。”
|
