大腦的另一大顯著特征也在打網(wǎng)球時發(fā)揮了重要作用：神經(jīng)元間的連接強度可隨著活動和經(jīng)驗發(fā)生改變,。神經(jīng)學(xué)家普遍認為，這一變化過程是人類學(xué)習(xí)和基因的基礎(chǔ),。重復(fù)訓(xùn)練可使神經(jīng)回路變得更適宜執(zhí)行相應(yīng)任務(wù),，從而大大提高速度和精度。

近幾十年來,，工程師一直在從大腦中汲取靈感,、以改善計算機設(shè)計。并行處理模式與可根據(jù)用途修改的神經(jīng)連接強度已成為了現(xiàn)代計算機的基本原則,。例如，增加并行處理如今已是計算機設(shè)計的一大趨勢,，從多核處理器的流行便可略知一二,。此外，機器學(xué)習(xí)和人工智能領(lǐng)域的“深度學(xué)習(xí)”近年來發(fā)展迅猛,，對電腦和手機上物體與語音識別功能的飛速進步功不可沒,，而這其實是受了哺乳動物視覺系統(tǒng)的啟發(fā)。就像視覺系統(tǒng)一樣,，深度學(xué)習(xí)也用多層結(jié)構(gòu)代表越來越抽象的特征,，每層之間的連接強度權(quán)重可通過“學(xué)習(xí)”進行調(diào)整，而非由工程師預(yù)先設(shè)計好。這些進步大大拓寬了計算機可開展的任務(wù)范圍,。不過,，人腦的靈活性、歸納能力和學(xué)習(xí)能力仍然遠超當(dāng)前最先進的計算機,。隨著神經(jīng)科學(xué)家不斷揭露大腦的奧秘（計算機也在其中發(fā)揮著越來越重要的作用）,，工程師也能從中受到更多啟發(fā)，進一步改善計算機的架構(gòu)和性能,。誰在特定任務(wù)中勝出并不重要,。無論是神經(jīng)科學(xué)還是計算機工程，均能從這些跨學(xué)科交叉研究中受益良多,。（葉子）