AlphaGo战胜世界围棋冠军李世石引起了各界不小的震动，不少文章也从人工智能和围棋的角度进行了解析，作为神经科学研究人员，我更关注的是这一事件与神经科学的关联及其意义。

　　自然智能（大脑）与人工智能的对话可以从三个方面来理解：首先人脑创造和完善人工智能的过程就是一个对话的过程。其次，人工智能在某些领域挑战人类大脑（如棋类比赛）则是一个更直接的对话形式。另外，大脑智力研究领域和人工智能研究领域之间的交叉和渗透更是一个具有重要意义的对话过程。

　　非常巧合的是，1949年在人工智能领域和神经科学领域都发生了一个重要历史事件。这一年，机器学习和人工智能的先驱者，美国人Arthur Samuel在IBM计算机上编写出了第一个国际跳棋的程序，首次向人们展示了具有一定自我学习能力的人工智能。同一年，加拿大认知科学家和心理学家Donald Hebb发表了经典论著“行为的组织”，为大脑的学习机制提出了神经连接学说，即著名的Hebb学习定律。虽然Hebb学说被认为是人工智能应用神经网路的理论依据，实际上在这个理论提出之后的数十年里，人工智能和脑认知科学基本上是在两个平行的轨迹上发展，没有实质性的交集。

　　随着计算机硬件的快速发展和更先进的编程程序的应用，依靠强大的运算能力，IBM计算机“深蓝”于1997年5月击败了国际象棋冠军加里·卡斯帕罗夫，成为人工智能发展的一个标志性历史事件。人们难以想象计算机能够对这样的复杂系统进行全部运算。

　　AlphaGo之父Hassabis不仅是一个罕见的天才，他的经历也非常有意思：8岁时设计了电脑游戏；13岁成为国际象棋大师；之后分别在剑桥大学和伦敦大学学院获得计算机科学和认知神经学专业学位。Hassabis在认知神经科学的训练，无疑是他在设计AlphaGo时能够得心应手地应用具有深度自我学习功能的多层次神经网络的重要原因。

　　我们再来看看Hebb定律的核心：大脑各神经元之间通过突触相互联系而形成复杂的网络，虽然初期的联系可能是随机的，但最终的网络联系及联系的强度则决定于所联系的神经元之间是否具有反复的关联活动，即突触前神经元A持续重复的活动如果能够引起突触后神经元B产生同步的放电活动，则可以导致该突触传递效能的增加，突触联系的稳定性得到增强。即“一起放电的神经元将连接在一起”。