据国外媒体宣布，人类大脑是非常繁芜的，包含着1000 多亿个神经元，大约形成100多万亿个神经元连接。
人类大脑常常与另一个能办理处理运算的繁芜系统进行比拟，这个繁芜系统是数字打算机。
大脑和打算机都包含着大量基本单元，分别是神经元和晶体管，它们被连接到繁芜的电路中，处理干系信息，然后通过电子旗子暗记进行传输。
从整体层面上讲，人类大脑和打算机的架构存在类似之处，包含着独立电路，可用于信息输入、输出、中心信息处理，以及影象存储。

哪个更具强大的问题办理能力——大脑还是打算机？考虑到打算机在过去几十年里的快速发展，你可能会认为打算机频年夜脑更具有上风。
打算机能够组装和编程，并能在繁芜游戏中击败天下顶尖高手，例如：上世纪90年代机器人击败国际象棋高手，前不久AlphaGo机器人打败天下围棋高手，在电视智力竞赛节目《危险！
（Jeopardy！
）》、百科全书式的知识竞赛中，机器人脱颖而出，取得精良的成绩。
然而，在这项最新研究报告中，人类大脑更高效，在现实生活中比打算机系统更精良，能够处理大量繁芜任务，从拥挤城市街道上识别一辆自行车或者一位分外行人，乃至人们伸手去拿一杯茶，将它平稳地放在嘴唇上饮用，此外，人类大脑的观点化和创造力比机器人更胜一筹。

那么为什么打算机善于完成某些任务，而人类大脑在处理其他事务方面更加精良呢？打算机和人类大脑的比拟剖析对付打算机工程师和神经科学家具有启示意义，这种比拟剖析最早源于打算机时期初期，当时有一本简短而具有深刻意义的书——《打算机和人类大脑》，作者是博学家约翰·冯·诺依曼（John von Neumann），诺依曼在上世纪40年代设计了一个打算机系统构造，至今该系统仍是大多数当代打算机的根本。

打算机在基本操作速率方面比人类大脑更具上风，现今个人打算机可以实行基本的操作运算，例如加法运算，速率是每秒100亿次。
我们通过神经元传输信息处理过程以及彼此之间通信，能够评估计算出大脑基本信息处理的速率。
例如：“激活”神经元的动作电位（action potentials）——神经元细胞附近启动的电旗子暗记峰值，并传输至轴突（axons），与下贱部分神经细胞相连。

神经元激活最高频率是每秒1000次，作为另一个实例，神经元紧张在叫做突触的轴突末梢分外构造上开释化学神经递质，将信息传输至伴侣神经元，同时，伴侣神经元在一个叫做突触通报的过程中，将结合的神经传导物质转化为电旗子暗记。
最快的突触通报大约须要1毫秒韶光，因此，无论是在峰值和突触通报方面，大脑每秒最多能实行大约1千次基本运算，也便是比打算机运算速率慢10万倍。

在基本操作精度方面，打算机频年夜脑有更多的上风。
根据数位（二进制，或者0和1）指派的每个数字，打算机可以利用任何期望的精确度表达数量，例如：32位二进制即是40多亿的十进制。
实验性证据表明，由于生物噪声，大部分神经系统存在几个百分点的可变性，最好的情形下精确度达到百分之一，比较之下，人类大脑神经系统的精确度仅是打算机百万分之一。

然而，大脑所进行的打算速率并不慢，例如：一个职业网球手能不雅观察剖析网球的运行轨迹，网球最高运行速率达到每小时160英里，他们根据网球运行位置，快速移动至球场最佳位置，摆动手臂，甩动球拍将网球击打至对方的园地，击打动作是几百毫秒之内完成。
此外，大脑完成所有任务（在身体掌握帮助下）花费的能量仅是个人打算机的十分之一。

大脑是如何做到这一点的呢？打算机和人类大脑的一个主要差异是每个别系的信息处理模式，打算机任务紧张是串行步骤中实行完成的，这可以从工程师通过创建指令的顺序流程来实现，对付这种连续的级联操作，每个步骤必须要有高精确度，由于缺点在连续步骤中会累积和放大。
同时，大脑也利用连续信息处理模式，在击打网球的例子中，信息从眼睛反馈至大脑，之后再通报至脊髓，掌握腿部、躯干、手臂和手腕的肌肉紧缩。

但是人类大脑可以进行并行信息处理，在处理大量神经元和每个神经元建立连接方面霸占上风，例如：网球快速移动将激活视网膜细胞——感光器，其事情是将光芒转换成电子旗子暗记。
这些旗子暗记之后并行传输至视网膜上不同类型的神经元。
当源自感光器细胞的旗子暗记通过两至三个突触连接时，关于网球位置、方向和速率的信息，将被并行神经元电路所提取，之后并行传输至大脑。
同样地，运动皮层（卖力运动意识掌握的大脑皮层部分）会发出指令掌握腿部、躯干、手臂和手腕的肌肉紧缩，身体和手臂能够充分折衷，调度身体最佳位置击打网球。

这种大规模并行策略是可能实现的，由于每个神经元网络输入信息，并向外发送信息至其它神经元，对付哺乳类动物神经元，输入和输出信息的神经元均匀有1000个。
比较之下，打算机每个晶体管仅有3个节点，用于数据输入和输出。
来自单个神经元的信息可以通报至许多并行下贱路径，与此同时，许多处理相同信息的神经元，可以将它们的输入信息集中到相同的下贱神经元。
下贱神经元对付提高信息处理精确度非常有用，例如：由单个神经元所代表的信息可能是“喧华”的（精确度为百分之一），普通下贱伴侣神经元能够更加精确地表达信息（精确度为千分之一）。

同时，打算机和人类大脑在基本单位旗子暗记模式中存在共性和差异，晶体管利用数字旗子暗记，它利用离散值（0和1）来表示信息。
神经元轴突的峰值也是一个数字旗子暗记，由于神经元在任何韶光处于要么激活或不激活峰值状态，当神经元被激活时，所有峰值都差不多具有相同大小和形状，这一特性将有助于实现可靠远间隔峰值传播。

然而，神经元也利用仿照旗子暗记，它利用连续数值表示信息。
一些神经元（像视网膜上的大多数神经元）是非峰值状态，它们的输出是通过分级电旗子暗记传输的，这不同于峰值旗子暗记，它们的大小可以不断变革，比峰值旗子暗记传输更多的信息。
神经元的吸收末端（常日发生在树突）也利用仿照旗子暗记整合数以千计的输入信息，使树突能够实行繁芜的打算处理。

你的大脑比一台打算机运算速率慢1000万倍。
大脑的另一个显著特色，可表现在网球运动中接发球动作，是神经元之间的连接强度，可在相应生动性和体验过程中进行修正，这一过程被神经系统科学家普遍认为是学习和影象的根本。
重复演习可使神经回路更好地配置完成任务，从而大幅提高速率和精确度。

在过去几十年里，工程师从人类大脑构造中得到灵感来增强改进打算机设计。
并行处理和连接强度的功能依赖性修正的事理，都被并入当代打算机运用中。
例如：打算机增强并行性处理能力，在一台打算机上利用多个处理器，这是打算机设计确当前趋势。
另一个例子是打算机“深度学习”能力，这是人工智能机器学习的一个主要能力，近年来打算机“深度学习”能力取得较大的成功，这得益于打算机和移动设备的目标和语音识别的快速发展，它受到哺乳类动物视觉系统的灵感启示。
就像哺乳动物的视觉系统一样，深度学习能力利用多层次来代表日益增多的抽象特色（例如：视觉工具或者措辞），同时，衡量不同层次之间的连接是通过学习而不是由工程师设计的。

这些最新进展已经拓展了打算机的任务实行能力，只管如此，与最前辈的打算机比较，大脑拥有更强的灵巧性、普遍适用性和学习能力。
伴随着神经科学家创造更多关于大脑的秘密（越来越多地赞助电脑运用），工程师可以从大脑事情中得到更多的灵感，进一步改进打算机的构造和性能。
无论是人脑还是打算机，成为某项分外任务的赢家，跨学科交融无疑会促进神经科学和打算机工程的发展。
（叶倾城）

科普百分百·助力科普中国，让科学知识在网上和生活中盛行起来。
温馨提示：以上为科普百分百网上阅读所浏览内容，转载分享只为知识传播和学习宣扬，本文内容仅代表原作者不雅观点，如有见地建议，请私信留言，我们会及时处理。
欢迎关注，感激。