模式识别在过去几十年中取得了长足的进展，在特定领域取得了成功的应用，甚至媲美人的性能。但是，现有模式识别方法与生物系统相比依旧存在显著不足。向生物学习，开展生物启发的模式识别有望实现模式识别理论与方法的新突破，达到对不同任务无缝切换、对环境自主适应、对知识凝练抽取等。本报告将回顾模式识别的历史，阐述模式识别的现状，对有望用于模式识别的生物机制进行凝练，进而对我们和国内外同行在该方向的具体工作进行介绍，最后给出生物启发模式识别方向的未来展望。

自从图灵测试提出以来，脑认知的度量和测试一直是人工智能的热点话题。图灵测试根本上是一个不确定性人工智能测试。测试的问题域，无论是机器对话、机器写诗、机器为图配题、还是机器自动驾驶，图灵测试都允许测试者现场介入，尽管判定结果存在整体客观性，但都会带有近似性和主观性的成分。我们认为，和对话、诗词写作、图配题等智能活动相比，驾驶图灵测试可通过驾驶行为大数据进行更为精确、更为客观的评测机器人的认知。无人驾驶的根本问题不在于车而在于人，其核心是物化驾驶员在开放条件下对不确定性驾驶环境的认知，它是在长期的驾驶实践中从环境感知到决策控制的经验积累形成的。回顾十年来我们参加的一次次无人车比赛和里程碑试验，智能车各种感知和认知手段，相互依存，彼此缠绕。在各类比赛场、测试场，无人车表现千奇百怪、反反复复，我们困惑过，迷茫过，试来试去，换车、换平台、加电源、换模块等，通过多车交叉验证和常态试验，终于理出了头绪，重点是物化驾驶员认知，解耦出类脑的功能模块，研发机器驾驶脑，和汽车一起构成轮式机器人。