白冰帶領的科學家團隊研製的的這種神經元智能係統是直接從源頭上產生脈衝信號，後麵的模型和理論也要用處理連續脈衝信號的方式來處理，不能再用現在的機器視覺的算法，後麵配備的模型和理論也要全部提升。
現在梅溪大學的科學家團隊正在進行重點工作就集中在這個上麵，因為華興科技集團公司這些年集中了一大批的腦科學科學家在開展動物實驗研究大腦如何工作的同時尋找到規律，把這些規律利用起來，設計出新一代更有效率、智能程度更高的人工智能係統。
通過這麽些年的研究，腦科學研究已經發現了大量有趣的現象和重要的原理，也是對神經元計算機係統的研製提供了非常大的幫助，其中的一些原理已經是用在神經元計算機係統上進行了驗證，取得了非常好的效果。
當然，華興科技集團公司招募過來的這些腦科學專家幫助開發神經元計算機是一個方麵，另外還在繼續深入了解腦的基礎生物機製。
其實這些腦科學專家在研究過程中已經是開發出了腦損傷精準檢測的係統設備，現在這種設備已經在華興科技集團公司旗下的醫院開始運用，另外梅溪大學研製的神經元芯片和生物傳感器芯片已經是進入臨床運用給一些腦損傷患者使用，同時華興科技集團也是在腦機融合係統設備上開發出了高效率學習產品，現在這種產品已經開始上市了，也是引起了巨大的轟動。
人的大腦不管是對於視覺信息的表述，聽覺、高級情感的表述，都是通過零散的脈衝來實現的，，而大腦處理信息的方式和深度學習有很多的不同，人腦處理的都是動態的時空信息。
別的不說，現在盛行的深度學習在靜態物體的識別上雖然已經超過了人類，但還有很多的工作是深度學習做不好的，其中之一就是時空動態的模式識別，這個問題對人腦來說是非常簡單的，但深度學習並不擅長這個。
但是梅溪大學研製的神經元智能係統開發的機器識別係統已經是開發出了一些動態時空模式的識別算法，產生了事件驅動的更複雜的視覺功能。
目前盛行的深度學習係統大量算法模型在神經元智能係統中是沒辦法直接使用的，雖然說類腦計算和深度學習具有很大的相似性，同樣需要有訓練數據，同樣需要有標注，同樣需要有一些訓練算法的支持。
尤其是類腦計算處理的是大腦中的脈衝信息，這並不是一個連續的信息，脈衝的時間是有長度的，所以如何開發有效的訓練算法是擺在白冰帶領的科學家團隊麵前的一個不小的難題。
白冰帶領的技術團隊已經是基本上將神經元智能硬件係統上的難題給解決了，開發更好支持這套係統的訓練算法華興科技集團公司需要更多的數學家。
伊戈爾現在迫不及待地要讓莫斯科大學和梅溪大學合辦大學，目的也是想參與到人工智能技術研發當中來。
楊傑自然也是開口向伊戈爾要莫斯科大學方麵抽調一批數學家過來。 本章已閱讀完畢(請點擊下一章繼續閱讀!)