不觉得做人工智能一定要先学点生物。
首先，大脑的设计不一定最优。本着”能用就行“的原则，大自然无意识的进化产生了很多并非最优的设计。一个典型的例子是视神经如何从眼底连到大脑视觉皮层，任何一位有经验的工程师都会让视神经信号从视网膜的背后汇集，然后传进大脑，而不是像人类的眼睛这样，信号从视网膜的前面汇集，然后在视网膜上打个洞穿过去（这就是视觉盲点的由来）。如果承认进化论是正确的，那么人脑中的许多复杂设计未必是实现智能所必需，而只是长年进化的副产品。有些设计可能是抵抗细菌病毒入侵，有些可能是供给细胞能量，还有些是处理慢得不能再慢的神经信号传递，还有些可能是以前两栖类爬行类的残留，只要拼在一起可以产生自我意识，就会有物种在无聊时萌发对智能的好奇。因此，从计算角度来说，并没理由相信大脑的设计一定是最优的。把大脑的设计全搞明白再做智能，个人觉得过于迂回了。
其次，以目前的生物学方式研究智能，不一定有效率。发现NO分子，发现膜离子通道，发现化学渗透，这些拿到了生物学诺奖的工作，其重要性不言而喻，但在计算上看起来，只是找到了生物传递信息和转化能量的各种方式，而且其效率与当代计算机体系结构相比差了不只一个数量级。如果目标只是智能，那为什么不用现成的？如果我们把大脑比作是一台复杂的计算机，那么我们现在对大脑的研究，就相当于检测到了总线上几个比特的变化和传递，或者最多是检测到CPU正在进行加减乘除。但对这台计算机究竟在做些什么高层的操作，运行什么算法，毫无感觉。同样的加减乘除，可以是为了牛顿法求平方根，可以是对目标函数做梯度下降，可以是计算一个字串的哈希值，或者正在对一个高维向量进行线性投影。从单纯的加减乘除中要推断出这台计算机在做什么，是非常辛苦困难的工作，不仅要事无巨细地完全记录，还要做大量的综合分析，现在因为实验技术的限制，我们连前者都做不到，更不用谈后者，这就是研究人脑的难点所在。但是如果退一步想，如果对一个未知庞大系统的反向工程太难，那为什么不自顶向下搭起呢？从原理出发，干净清晰，逻辑明确，能提高成百上千倍的效率。人工智能这个领域，现在做的正是这样重头搭起的工作，有便宜的存储，便宜的内存，便宜的CPU和GPU，速度上电脑又比人脑快，数据量大，实验可控制可重复，方便之极。