就目前來看，不可能。

深度學習技術這幾年很火熱，帶火了很多產業，比如蘋果的face id深度學習系統，使得蘋果的面部識別達到了支付級別，還有近來跟火熱的AI換臉技術，同樣是基於深度學習技術達到的。所以說，透過我們的努力，已經讓計算機很聰明瞭，在處理某些特定問題上，比人類厲害很多。

但是，人腦是更加複雜，深度學習是對人類思維在電腦上的延伸，也就是人類希望用電腦去做更快的運算，得到某些答案，實際上只是人類的工具，克隆人的思維，目前看，不可能。

日本京都大學教授神谷之康團隊發現，可以利用人工神經網路將人類個體的大腦活動破譯和解讀成可理解的訊號。人工神經網路利用傳統演算法技術製造出具有理解能力和解決難題能力的計算機軟體，能夠對人類的思維進行解讀。

這一切的基礎是人工智慧的“深度學習”能力，而這種能力是透過對海量資料的解析獲得的。

這裡首先需要糾正很多人的一個普遍錯誤觀念：人工智慧==深度學習。

在人工智慧領域有很多技術，深度學習只是其中一個技術。深度學習目前僅僅解決了目前的一些視覺聽覺方面的簡單問題，在推理層面還普遍不行。

人工智慧領域有連線主義和符號主義等分支。這裡建議讀一下中科院計算所陳雲霽老師的《智慧計算系統》。深度學習只是連線主義的一種形態，遠遠還沒有到能夠克隆人思維的水平，甚至可以說最多像google這樣的超算中心AI也不到6歲孩童水平，哪能談得上克隆人的整個思維。

深度學習過熱有好處也存在極大的壞處，正如歷史上很多時間錯過了其他很多重要技術的投入期，導致進化變慢。神經網路也是一讀被人所忽視和不重視，幸虧有“三駕馬車”的堅持不懈。這裡向三位表示深度的感謝，謝謝你們的堅持帶給這個世界更加豐富的智慧體驗。但是其他人工智慧技術比如謂詞推理，知識圖譜也對知識和思維進化產生深刻的影響。

記住這個世界上永遠沒有隻透過一個技術就能夠改變世界，讓人類進入強智慧時代。需要人工智慧各領域的充分發力，同時也需要一些心理學家，腦科學家，細胞科學家，化學家等跨學科專家一起努力，透過知識的深度融合最終讓人類社會進入強人工智慧時代，也許那個時候克隆人的大腦就會變為現實。