蒋昌俊曾谈到，传统的AI注重从感知到认知的过程，实现从逻辑到计算的不断提升；而当前的AI，则是由弱到强的智能，是从闭环到开环、从确定到非定的系统。
他进一步作了解释，“目前的神经网络模型大都侧重对数据的计算层面。事实上，一个高级的智能机器应该具有环境感知与逻辑推理的能力。将AI的演算和计算进行融合，结合基于规则系统的推理能力和神经网络的学习能力，即可构建一个更强大的AI模型，推理能力也可以帮助减少神经网络学习新事物时所需的数据量。这样的交互和融合将是当前AI由弱到强的主要突破口。”
蒋昌俊认为，在构建类脑认知模型中，目前脉冲神经网络的神经元以电脉冲的形式对信息进行编码，更接近真实神经元对信息的编码方式，能够很好地编码时间信息。而由于脉冲训练缺乏高效的学习方法且需耗费大量算力，在性能上与深度网络等模型还存在一定差距。“未来，两类模型仍需要不断从脑科学中吸取营养并不断融合，发展性能更好、效能更高的新一代神经网络模型。”
在被问及学会、研究机构等在AI未来发展中的角色，蒋昌俊对澎湃新闻（www.thepaper.cn）表示，无论是学会还是研究机构，本质上都在赋能企业，要做好这件事就要深入具体问题，比如只有真正理解交易过程的场景、规律、业务特点，才能解决问题。
蒋昌俊曾谈及30年科研历程的体会，“回顾30年来的科研历程，我深切感受到，基础创新是破解科技难题的法宝。当今时代，科技发展日新月异，面对科技创新的挑战，我们要更加重视基础创新，要不断回顾领域发展历史，梳理演进脉络，找准切入点，开阔思路、大胆创新、严谨求实，着力求解难题。”
|
