清華大學自動化系教授、中國工程院院士戴瓊海介紹，隨著卷積神經網絡和深度學習的快速發展，人工智能的發展態勢已經超越了預期，但人工智能距離人的智能尚有難以逾越的差距，隻有通過建立腦科學與人工智能的橋梁，才能產生質的飛躍。
“我們現在還不知道上百億的神經元如何進行有效的信息處理。”戴瓊海說，人工智能和腦科學的發展至今無法關聯。通過研制介觀尺度觀測技術和儀器，探索大腦神經元結構與功能統一的感知與計算機制，建立大腦的動態連接圖，把神經科學實驗與理論、模型、統計學等進行有效整合，是科學家們亟待研究的重要課題。
戴瓊海說，腦科學要作用於人工智能，要進行腦成像研究，建立起大腦神經元的動態連接圖。通過計算成像獲取海量神經元的結構和動態功能整合數據，將神經科學和數據科學相結合，揭示大腦的認知模型，從而推動人工智能的跨越式發展。
“大腦皮層有上百億個神經元，每個神經元又包含千余個信息收發分支，迫切需要寬視場高分辨率的動態觀測技術和儀器，而高分辨率和寬視場之間存在著固有矛盾。”戴瓊海指出了當前顯微成像的核心難題。
“看得大了，就看不清十微米尺度的神經元﹔看得細了，就看不全厘米尺度的小鼠全腦﹔看得慢了，就無法捕獲神經元間的動態信息收發過程。”戴瓊海介紹，，目前國際上已報道的神經成像技術均具有較低的數據通量，無法進行介觀尺度下高分辨率信息的高速獲取。換言之，即使看得大了、細了，還需要把海量信息採集、記錄下來。
戴瓊海介紹，目前我國的“多維多尺度高分辨率計算攝像儀器”研制已取得了階段性成果。自主研發的寬視場高分辨計算攝像儀器從理論創新、技術突破、工程實踐三個層面率先突破了傳統顯微成像中大視場與高分辨率之間的固有矛盾和低數據通量的瓶頸制約難題，實現了兼顧“全局形態”和“細節特征”的多尺度觀測。
目前，該儀器已成功應用於腦科學及腫瘤學等生物醫學研究，在國際上進行了清醒動物中全腦神經網絡的單細胞分辨率功能成像、神經—血管耦合機制下結構信息與功能信息的統一觀測、腦組織的免疫保護機理研究與心血管藥物的在體篩選等多項突破性實驗。