每個階段還應該研究對應的人腦原生的驅動力，如生理需求、心理需求等，這些需求是驅動通用人工智能算法進行正確學習的必要源動力。
第4個階段研究對象為意識的本質，意識如何形成是一個根本科學問題，人工智能是否能產生意識更是一個哲學問題，這一根本問題的研究有助于解答人類一直尋求的答案：人是從哪里來的。有一點可以肯定是：沒有自我意識的人工智能不可能超越人類。
這種分類方法（圖5）體現了智能在進化生長過程不同階段中所應對的對象不同。當前智能科學相關的研究往往不特別區分這些階段，而這個分階段的生長過程卻定義了智能本質。人類智能就是循序漸進的從先適應客觀世界的物理智能，發展到適應人類社會的心理智能。人工智能的發展也應遵循這一規律。先建立一種通用的人工智能算法，能夠建模人類大腦的基本機能，如學習、記憶等。這種算法與物理世界交互即可產生物理智能，例如機器人能夠應對牛頓力學。不同階段的研究可以并行進行，如在數學智能沒有完全研究成熟之前可以進行相應的物理智能研究。例如基于現階段的深度神經網絡理論，可以結合計算物理進行基于深度學習的物理智能研究。數學智能與物理智能可以相互補充、相互促進。人工智能來源于人類智能但完全有可能在某些方面超越人類，就像人類學鳥飛發明飛機，而飛機卻超越鳥類，當然也超越了不會飛的人類的能力；顯然，已經建立的物理學理論體系可以幫助人們發明在某一方面超越人類的物理智能。
圖5 未來智能科學體系
Fig. 5 Architecture of future intelligent science
通過2個途徑，人們可能構建超越人類的物理智能：1）借助物理學對于物理世界的嚴謹理論表述，我們可以將物理原理設計在人工智能中，使其具備比人類更強的適應或戰勝物理世界的能力；2）采用計算物理模擬器來訓練通用人工智能算法，使其具備人類不可能擁有的超能力。第1點類似于在人工智能大腦內部用計算物理引擎構建1個模型來幫助預測外部世界。關于第2點，谷歌AlphaGo Zero算法的成功給人們一定的信心，通過在圍棋模擬器上學習3天即超過人類3000年的集體智慧，說明模擬器訓練是一種可行的途徑。
因此，計算物理模擬器是物理智能的關鍵。采用模擬器構建物理智能的途徑利用了人類發展史上的2次革命成果：1）科學革命建立了人類對于物理世界規律精確表述的理論和技術創新；2）信息革命建立了人類利用計算機對物理世界規律進行計算仿真的能力。這相當于將人類千年的智慧匯集到一個人工智能大腦中。物理智能將超越人類智能，因為物理學描述的現象超越人類感官范疇。例如，物理學涵蓋的尺度范圍和速度范圍遠超過人類能適應的范圍，電磁波涵蓋的頻譜遠超過人類能感知的光譜范圍（圖6）。
圖6 物理智能在適應物理世界的能力上將超越人類智能
Fig. 6 Physical intelligence will excel over human being in adapting to the physical world
作為物理智能一個典型的例子，通過力學模型構建的人工智能可以完美地控制機器人的運動。另一個例子就是“微波視覺”，一種基于計算電磁學引擎的物理智能，像人類處理光信息一樣處理微波信息。
2 微波視覺
2.1 內涵
人的視覺能看見光，但看不見微波。若有外星人的眼睛能看見微波，那他就有“微波眼睛”，他的視覺神經中樞必與人類視覺不同，可稱為“微波視覺”。第二次世界大戰期間發明的雷達等技術已使人類感受到微波的信息，是否也能發展基于人工智能的信息感知與理解的“微波視覺”？
在陽光下歷經億年進化，人類形成與生俱來的適應光學信息的大腦，初生嬰兒的大腦再通過其與光學世界交互進行學習，最終形成能感知世界、認識自我的人類視覺。人類視覺能高效理解光學信息、實現自主定位導航，同時還是產生自我意識的關鍵因素。
深度學習前沿技術AlphaGo Zero給予人們啟發，智能算法與虛擬圍棋世界的交互和學習可以獲得超越人類的智能。早期AlphaGo版本采用人類棋譜進行學習與訓練，AlphaGo Zero版本則完全通過在圍棋游戲模擬器里面相互對弈，然后相互學習優化，經過3天的學習就達到了人類冠軍的水平。AlphaGo Zero達到這一成績的核心前提條件在于模擬器精確的模擬了圍棋游戲世界的規則，也就是說如果有一個能精確模擬物理世界的模擬器，相信人們也能用現有深度學習技術訓練出實用的人工智能。
顯然，物理智能的其中一種途徑（或者說當前可行的途徑）就是用精確高效的計算物理模擬器訓練基于深度學習的人工智能，而這樣的思想已經在國際上得以推行。例如在自動駕駛領域的絕大多數企業都在使用虛擬現實模擬器和真實采集的數據一起訓練自動駕駛算法。2017 年底，美國美國國防高級研究計劃局（DARPA）啟動“進攻性蜂群使能戰術”OFFSET研究項目，旨在研發能自動控制上百架無人機進行協同作戰的人工智能技術。該項目的主要技術途徑即依賴虛擬現實飛行模擬器AirSim訓練這一人工智能技術。
基于現有深度學習技術，可以發展適應電磁信息的認知智能算法，并用超算模擬電磁世界，通過與電磁模擬器的交互進行演化學習，實現人造微波視覺。研究微波視覺能自動解譯雷達圖像、復雜電磁環境等微波信息，實現微波視覺自主定位導航，為探索意識本質提供基礎。
圖7闡述了微波視覺的主要構思，光視覺是人在光世界中進化和學習獲得，而我們提出通過模擬電磁（微）波世界，實現相類似光視覺但又截然不同電磁信息感知認知的微波視覺。主要技術途徑是借鑒Alpha?Go/OFFSET、基于電磁學理論，構建微波世界模擬器，用于演化和訓練微波視覺。
圖7 微波視覺的概念與內涵
Fig. 7 Microwave vision
借鑒人腦的光視覺發展人工智能的微波視覺，人腦產生光視覺的3個必要條件是：外在光學世界的存在；自然進化產生的光視覺神經網絡；人與光世界交互學習演化的能力。因此發展微波視覺需要研究對應3個問題：高性能電磁物理模擬器、處理電磁信息的微波視覺神經網絡、智能體與電磁模擬器的交互學習機制，這3個問題分別構成了微波視覺的電磁物理基礎、神經生物基礎和認知學習基礎，稱之為微波視覺三要素。
1）微波視覺的電磁物理基礎——準實時高逼真的電磁物理模擬器。
首先解決微波視覺的虛擬訓練環境問題，為微波視覺的進化和學習提供虛擬環境。這一問題的關鍵體現在既要實現高逼真度的模擬效果，又要在資源約束條件下滿足準實時交互的要求，這是采用虛擬環境訓練人工智能的可行性條件。若采用精確幾何物理建模和現有計算電磁學方法，其模型精細度難以在有限人力條件下做到高逼真要求，算法復雜度無法達到準實時要求。突破這一瓶頸的思路是將觀測大數據同化到計算物理模型中，研究數據驅動的電磁模擬器，通過大數據挖掘提取半經驗底層散射模型，進一步發展混合多尺度計算電磁學方法，實現既能提高仿真逼真度、又能降低算法復雜度、滿足準實時交互的需求。
2）微波視覺的神經生物基礎——處理電磁信息的微波視覺神經網絡。
人類進化的視覺神經網絡適應于光信息處理，需要設計專門表征處理電磁信息的微波視覺神經網絡。以視覺神經網絡底層組織、環路和網絡結構為啟發，對比光信息與微波信息，仿照設計構建電磁信息神經網絡，體現從以粒子效應為主到波場效應為主的物理屬性轉變。解決神經元如何表征電磁信息的時、頻、相、極化等多維度特征，神經信息傳遞機制如何體現電磁波相干散射與傳播規律，神經網絡結構如何契合電磁散射逆問題求解模式等微波視覺神經網絡基礎問題。設計用于結構化表征的深度生成網絡和用于反演的深度鑒別網絡等基本組件。
3）認知學習基礎——智能體與電磁模擬器交互學習機制。
光視覺是人腦視覺神經網絡與外在光世界交互學習演化的產物，基于交互的學習機制是突破通用人工智能須解決的根本問題。盡管腦科學這方面研究相對滯后，現階段的微波視覺研究可參考已知人類光視覺的學習機制和運作機制，如視覺注意、視覺印象、視角關聯、預測推斷等，受它們啟發研究如何建立具備注意、記憶、關聯、預測等功能的微波視覺強化學習架構。借鑒視覺神經認知機制，探求如何設計交互式迭代學習算法，按訓練和測試2個階段分別研究不同交互機制，在訓練階段的交互以采樣為目的，測試階段的交互以實時預測反演為目的。
“微波視覺”與人類長期依靠的“光視覺”不同，它的產生將顛覆傳統的雷達信號處理與以光視覺為基礎的圖像處理技術，將使目前似乎看不見摸不著的微波監測成為“微波視覺”中看得清理解透的新的技術形態，如自主定位導航、電子偵查對抗等電磁波技術。微波視覺將實現天地海目標雷達回波圖像在線自動解譯，改變目前地面站人工判讀業務形態；實現雷達回波直接重構目標與場景的可視化表征，顛覆傳統電磁信號處理、雷達回波圖像解譯的思維與方法；實現直接對散射輻射場的視覺語義概念生成、推理、決策和交互，改變現有雷達、偵查、干擾對抗的技術形態；實現基于微波視覺的智能自主定位導航，補充傳統視覺導航技術。
微波視覺將是從基本理論到多種關鍵技術再到廣泛應用的體系化研究，面臨多個維度的挑戰。理論上需解決微波視覺的根本科學問題，包括如何理解智能與物理世界交互的機制，如何實現高效電磁模擬器，如何使用模擬器構建微波視覺。在技術上需解決技術難題包括大規模場景與目標的快速計算仿真、無限解空間的搜索與學習、視覺的交互學習算法以及而向應用的各種方法等。
2.2 前期研究
復旦大學電磁波信息科學教育部重點實驗室長期從事電磁散射機制、微波遙感圖像解譯和參數反演等研究，前期在微波視覺相關領域特別是合成孔徑雷達（synthetic aperture radar，SAR）圖像快速仿真、智能解譯和目標識別方面做了相關研究工作。
合成孔徑雷達能夠全天時、全天候、高分辨率成像，因此適用于目標的偵察、監視和識別，同時也已經被廣泛應用于地球科學、天氣變化與環境系統監測、海洋資源利用、行星探測、戰場偵察等領域，是空間遙感的前沿技術。由于其微波波段成像和相位相干處理的特性，SAR圖像與光學圖像表現不同，難以直觀解讀。事實上，SAR圖像包含了豐富的目標信息，例如幾何形狀、材質、結構等。SAR圖像解譯和信息獲取是在軌雷達衛星實現成功應用的最后決定性的一步。