人工智能就是让机器能够像人一样学习、思考并理解,即用计算机模拟人的智能,它涵盖认知与推理(包含各种物理常识和社会常识)、计算机视觉、自然语言理解与交互(包含听觉)、机器学习等广泛的学科领域。人机协同的混合增强智能是新一代人工智能的典型特征,视听觉信息的认知计算是新一代人工智能的重要研究内容。理解人类视听觉认知并建立可计算视听觉认知模型对人工智能的核心算法具有重大的启示意义。