标题：NeuroAI能否引领神经科学走出困境？

城市街道上，一辆自动驾驶汽车紧急避险，避免了一起事故。车载系统迅速反应，多个传感器协同工作，专用神经网络处理器和GPU高速运算，耗电数百瓦，在约100毫秒内完成感知到决策的过程。相比之下，人类司机只需瞬间反应，消耗约20瓦能量，还能同时处理其他任务。

NeuroAI（神经启发的人工智能）试图模仿大脑工作方式，创造更智能、更高效的AI系统。它借鉴大脑处理视觉信息、神经元连接模式和注意力机制，旨在解决当前AI面临的瓶颈问题。

AI与神经科学互惠互利。AI研究者从神经科学中获得灵感，而神经科学借助AI模型验证理论。人工神经网络是现代AI和神经科学的重要工具，彼此促进发展。

NeuroAI的发展始于1945年冯·诺伊曼的论文，提出计算机逻辑与大脑相似性。1958年，Rosenblatt的感知机论文提出神经网络应通过数据学习。尽管遭遇“神经网络寒冬”，突触作为可塑元素的理念延续至今。

基因组瓶颈使动物基于本能执行复杂任务，而人工网络需大量数据训练。大脑通过稀疏脉冲和高噪声容忍实现低能耗。生物系统平衡多目标，而AI系统多追求单一目标。

NeuroAI研究前沿包括星形胶质细胞的生物计算、虚拟神经科学、树突特征集成、昆虫连接组研究、神经流形学习、昆虫级智能机器人和混合信号神经形态系统。这些进展有助于设计更高效、鲁棒的AI系统。

NeuroAI融合神经科学与AI，将带来计算范式的革命，构建更接近生物智能的人工系统。