目前理解类脑智能和研制有潜力再现自然智能的自适应系统仍是科学和工程领域的最大挑战之一。无数的科学家希望构建一套高鲁棒性、自适应、易扩展且可容错的通用类脑智能系统,最终时机器智能更接近真正智能。
机器智能研究的领域包括神经科学人工智能、认知科学、计算理论、统计学、计算机科学、工程设计等。目前研究方向主要分为两个方面:数据驱动方法和生物启发式方法。数据驱动方法的目标是理解如何设计自适应系统,使它能从大量的原始数据中自助学习信息和只是表达,以支持不确定和非结构化的环境中的决策过程。生物启发式方法的目标是理解在分布式分层神经网络内部信息处理的原则、关联、优化,以及预测。