停一下手里的事儿，看一下窗外的鸟儿、松鼠甚至昆虫。这些生物体都有复杂的生存任务，比如寻找食物、天敌的威胁、跟踪或躲避其他动物等等。地球上没有还没有哪个机器人，可以做这些虫子和小动物都能轻松做到的事情。Neurala的CEO，Max Versace，发表了一些自己对2027年时AI的预见。
虽然“自然”智慧丰富多样，但现在的人文智慧仍然非常原始。目前，AI工具还是“原始的”，它们是为一个特殊目的设计和构建的，并且相对来说并不复杂。比如，管理无人机，自驾车和玩具的代码和传感器等等，通常仅存在于一部分的应用中，比如导航、物体识别、语音识别等等。
对于所有这些应用类似生物有机体，AI需要一个“大脑”。目前的AI智能是设计和构建的，以提供狭窄的隔离功能。你可以称之为“炉灶功能”。每个功能，会断开，在连接方面是独立的。这意味着AI可以击败一个人类国际象棋冠军，但是以呈现新的场景时往往分崩离析。与国际象棋玩家不同的是，这个人类国际象棋冠军不仅可以打一场有效的比赛，而且可以进行一些需要大量处理和判断的活动，比如站起来、开车、谈话、听音乐、画画等等。所以，当你对AI的“与人类”甚至动物的能力进行直接和彻底的比较时，可以看到我们在人工智能方面还有很漫长的路要走。
我们今天在AI与我们将在2027年看到的AI的主要区别是，未来的AI将会更像人类和动物的大脑一样运行，而不是分析离散输入的炉灶加工，我们在考虑到多种感官模式的过程中进步，我们根据多个同时复杂的因素做出决定，帮助我们取得***成果。
以老鼠的大脑为例。即使是最小的动物，大脑发达的程度也能解决很复杂的问题，比如饲养食物、避免捕食者、与其他动物交互。即使有大约两克的大脑，老鼠的整合导航和视觉的能力、嗅觉与触觉的提示，意味着它可以完成类似于感测、规划、导航、避免障碍物等能力。老鼠大脑的这些分开的功能都是集成的，最终为手头的任务提供了解决方案。动物和人类大脑的秘密在于他们发现了一种在同样的低功耗组合中共同设计这些技能的方式。
这些共同工程就是我们所说的“全脑”的方法，而这个新的方式就是AI所在地方。综合处理将变得普遍，与软件、AI和人类/动物智慧之间的界限会变得模糊不清。正如人类或动物大脑所依赖并结合多个脑区域进行有效和自主的操作，未来的AI将利用集成的深度学习框架和边缘处理来让AI变得更实时。
通过将多个AI功能内置于同一个软件包或单个计算模块中，由于系统之间的协同作用，AI系统将实行更快、更好的性能。这将使AI能够完成抽象推理，允许机器执行的、复杂的、非直观的操作，使他们更接近我们。
比如，AI和软件之间的模糊线可能适用于使运输更加容易和安全。今天的自主驾驶汽车是采用炉灶式的方法，一次添加一个传感器或模块，然后组合所有这些处理流。另一方面，人类将战术视觉相结合——比如：
高层次导航：“我互道那栋建筑，我通常在这里右转。”
远程避免碰撞：“那辆车在乱开，我会把保持距离距离。 ”
高层次的规划：“我***走那条路，因为那边不太堵。”
虽然传统的方法将导致难以整合的软件和硬件组件，但全脑AI方法在整个大脑中使用相同的构建块，共同设计这些组件：通过模拟接触链接的人造神经元，几乎像大脑一样，与自然同行一样。
另一个例子是我们与NASA的合作。当Neurala与美国航空航天局合作设计一个“老鼠大脑”来引导火星漫游者在模拟的火星环境中时，我们遵循了这种全脑的方法，因为我们只有少量的计算能力才能依赖，只能提供一个解决方案，这不仅能将所有这些功能结合在一起，而且还可以有效地执行。
毕竟，即使现在的AI正在让与我们交流的软件和机器更好，在生活的许多部分提高了生产力。随着AI开始模仿先进的人类和动物大脑活动，它将成为越来越有用的工具，实时解决问题，并利用人性化的决策能力。在未来10年里，同样的一体化处理使得低龄老鼠看起来像个天才，将是一种为所有人带来好处的AI。
