哪個更具強大的問題解決能力——大腦還是計算機？考慮到計算機在過去幾十年里的快速發(fā)展，你可能會認為計算機比大腦更具有優(yōu)勢。計算機能夠組裝和編程，并能在復雜游戲中擊敗世界頂尖高手，例如：上世紀90年代機器人擊敗國際象棋高手，前不久AlphaGo機器人打敗世界圍棋高手，在電視智力競賽節(jié)目《危險！（Jeopardy?。?、百科全書式的知識競賽中，機器人脫穎而出，取得優(yōu)異的成績。然而，在這項最新研究報告中，人類大腦更高效，在現(xiàn)實生活中比計算機系統(tǒng)更優(yōu)秀，能夠處理大量復雜任務，從擁擠城市街道上識別一輛自行車或者一位特殊行人，甚至人們伸手去拿一杯茶，將它平穩(wěn)地放在嘴唇上飲用，此外，人類大腦的概念化和創(chuàng)造力比機器人更勝一籌。

　　那么為什么計算機擅長完成某些任務，而人類大腦在處理其他事務方面更加優(yōu)異呢？計算機和人類大腦的對比分析對于計算機工程師和神經(jīng)科學家具有啟發(fā)意義，這種對比分析最早源于計算機時代初期，當時有一本簡短而具有深刻意義的書——《計算機和人類大腦》，作者是博學家約翰?馮?諾依曼（John von Neumann），諾依曼在上世紀40年代設計了一個計算機系統(tǒng)結構，至今該系統(tǒng)仍是大多數(shù)現(xiàn)代計算機的基礎。

　　計算機在基本操作速度方面比人類大腦更具優(yōu)勢，現(xiàn)今個人計算機可以執(zhí)行基本的操作運算，例如加法運算，速度是每秒100億次。我們通過神經(jīng)元傳輸信息處理過程以及彼此之間通信，能夠評估計算出大腦基本信息處理的速度。例如：“激活”神經(jīng)元的動作電位（action potentials）——神經(jīng)元細胞附近啟動的電信號峰值，并傳輸至軸突（axons），與下游部分神經(jīng)細胞相連。

　　神經(jīng)元激活最高頻率是每秒1000次，作為另一個實例，神經(jīng)元主要在叫做突觸的軸突末梢特殊結構上釋放化學神經(jīng)遞質，將信息傳輸至伴侶神經(jīng)元，同時，伴侶神經(jīng)元在一個叫做突觸傳遞的過程中，將結合的神經(jīng)傳導物質轉化為電信號。最快的突觸傳遞大約需要1毫秒時間，因此，無論是在峰值和突觸傳遞方面，大腦每秒最多能執(zhí)行大約1千次基本運算，也就是比計算機運算速度慢10萬倍。

　　在基本操作精度方面，計算機比大腦有更多的優(yōu)勢。根據(jù)數(shù)位（二進制，或者0和1）指派的每個數(shù)字，計算機可以使用任何期望的精確度表達數(shù)量，例如：32位二進制等于40多億的十進制。實驗性證據(jù)表明，由于生物噪聲，大部分神經(jīng)系統(tǒng)存在幾個百分點的可變性，最好的情況下精確度達到百分之一，相比之下，人類大腦神經(jīng)系統(tǒng)的精確度僅是計算機百萬分之一。

　　然而，大腦所進行的計算速度并不慢，例如：一個職業(yè)網(wǎng)球手能觀察分析網(wǎng)球的運行軌跡，網(wǎng)球最高運行速度達到每小時160英里，他們根據(jù)網(wǎng)球運行位置，快速移動至球場最佳位置，擺動手臂，甩動球拍將網(wǎng)球擊打至對方的場地，擊打動作是幾百毫秒之內完成。此外，大腦完成所有任務（在身體控制幫助下）消耗的能量僅是個人計算機的十分之一。

　　大腦是如何做到這一點的呢？計算機和人類大腦的一個重要區(qū)別是每個系統(tǒng)的信息處理模式，計算機任務主要是串行步驟中執(zhí)行完成的，這可以從工程師通過創(chuàng)建指令的順序流程來實現(xiàn)，對于這種連續(xù)的級聯(lián)操作，每個步驟必須要有高精確度，因為錯誤在連續(xù)步驟中會累積和放大。同時，大腦也使用連續(xù)信息處理模式，在擊打網(wǎng)球的例子中，信息從眼睛反饋至大腦，之后再傳遞至脊髓，控制腿部、軀干、手臂和手腕的肌肉收縮。

　　但是人類大腦可以進行并行信息處理，在處理大量神經(jīng)元和每個神經(jīng)元建立連接方面占據(jù)優(yōu)勢，例如：網(wǎng)球快速移動將激活視網(wǎng)膜細胞——感光器，其工作是將光線轉換成電子信號。這些信號之后并行傳輸至視網(wǎng)膜上不同類型的神經(jīng)元。當源自感光器細胞的信號通過兩至三個突觸連接時，關于網(wǎng)球位置、方向和速度的信息，將被并行神經(jīng)元電路所提取，之后并行傳輸至大腦。同樣地，運動皮層（負責運動意識控制的大腦皮層部分）會發(fā)出指令控制腿部、軀干、手臂和手腕的肌肉收縮，身體和手臂能夠充分協(xié)調，調整身體最佳位置擊打網(wǎng)球。

　　這種大規(guī)模并行策略是可能實現(xiàn)的，因為每個神經(jīng)元收集輸入信息，并向外發(fā)送信息至其它神經(jīng)元，對于哺乳類動物神經(jīng)元，輸入和輸出信息的神經(jīng)元平均有1000個。相比之下，計算機每個晶體管僅有3個節(jié)點，用于數(shù)據(jù)輸入和輸出。來自單個神經(jīng)元的信息可以傳遞至許多并行下游路徑，與此同時，許多處理相同信息的神經(jīng)元，可以將它們的輸入信息集中到相同的下游神經(jīng)元。下游神經(jīng)元對于提高信息處理精確度非常有用，例如：由單個神經(jīng)元所代表的信息可能是“嘈雜”的（精確度為百分之一），普通下游伴侶神經(jīng)元能夠更加精確地表達信息（精確度為千分之一）。

　　同時，計算機和人類大腦在基本單位信號模式中存在共性和差異，晶體管使用數(shù)字信號，它使用離散值（0和1）來表示信息。神經(jīng)元軸突的峰值也是一個數(shù)字信號，因為神經(jīng)元在任何時間處于要么激活或不激活峰值狀態(tài)，當神經(jīng)元被激活時，所有峰值都差不多具有相同大小和外形，這一特性將有助于實現(xiàn)可靠遠距離峰值傳播。

　　然而，神經(jīng)元也利用模擬信號，它使用連續(xù)數(shù)值表示信息。一些神經(jīng)元（像視網(wǎng)膜上的大多數(shù)神經(jīng)元）是非峰值狀態(tài)，它們的輸出是通過分級電信號傳輸?shù)?，這不同于峰值信號，它們的大小可以不斷變化，比峰值信號傳輸更多的信息。神經(jīng)元的接收末端（通常發(fā)生在樹突）也使用模擬信號整合數(shù)以千計的輸入信息，使樹突能夠執(zhí)行復雜的計算處理。

　　你的大腦比一臺計算機運算速度慢1000萬倍。大腦的另一個顯著特征，可表現(xiàn)在網(wǎng)球運動中接發(fā)球動作，是神經(jīng)元之間的連接強度，可在響應活躍性和體驗過程中進行修改，這一過程被神經(jīng)系統(tǒng)科學家普遍認為是學習和記憶的基礎。重復訓練可使神經(jīng)回路更好地配置完成任務，從而大幅提高速度和精確度。

　　在過去幾十年里，工程師從人類大腦結構中獲得靈感來增強改進計算機設計。并行處理和連接強度的功能依賴性修改的原理，都被并入現(xiàn)代計算機應用中。例如：計算機增強并行性處理能力，在一臺計算機上使用多個處理器，這是計算機設計的當前趨勢。另一個例子是計算機“深度學習”能力，這是人工智能機器學習的一個重要能力，近年來計算機“深度學習”能力取得較大的成功，這得益于計算機和移動設備的目標和語音識別的快速發(fā)展，它受到哺乳類動物視覺系統(tǒng)的靈感啟發(fā)。就像哺乳動物的視覺系統(tǒng)一樣，深度學習能力使用多層次來代表日益增多的抽象特征（例如：視覺對象或者語言），同時，衡量不同層次之間的連接是通過學習而不是由工程師設計的。

　　這些最新進展已經(jīng)拓展了計算機的任務執(zhí)行能力，盡管如此，與最先進的計算機相比，大腦擁有更強的靈活性、普遍適用性和學習能力。伴隨著神經(jīng)科學家發(fā)現(xiàn)更多關于大腦的秘密（越來越多地輔助電腦應用），工程師可以從大腦工作中獲得更多的靈感，進一步改善計算機的結構和性能。無論是人腦還是計算機，成為某項特殊任務的贏家，跨學科交融無疑會促進神經(jīng)科學和計算機工程的發(fā)展。

【烽巢辣評】計算機和人腦的比較似乎成為了一個亙古的話題，不管是什么時候，計算機的計算水平似乎永遠少了一些情感，但在這個科技急速發(fā)展的時代，人工智能代替人類一直被人們所擔憂，但計算機的任務執(zhí)行力確實要更強大，同時計算機的發(fā)展，也是人類社會進步的一項重要標志，智能說人腦發(fā)明了計算機，這點上市肯定無法超越的了。