新浪科技訊 北京時間7月13日消息,，據(jù)國外媒體報道,，大腦是一個非常復(fù)雜的器官。人腦含有約1000億個神經(jīng)元,，神經(jīng)元之間的連接多達(dá)100萬億,。人們常將人腦與另一套具有強(qiáng)大問題解決能力的復(fù)雜系統(tǒng)相比較：即數(shù)字計算機(jī)。人腦和計算機(jī)都含有大量基本單元,，人腦中為神經(jīng)元,，計算機(jī)中為晶體管。這些基本單元都可組成復(fù)雜回路,，處理電信號形式的信息,。大體來看，人腦與計算機(jī)的架構(gòu)十分相似,，均由負(fù)責(zé)輸入,、輸出、重要處理和記憶儲存的幾大回路構(gòu)成,。

但人腦與計算機(jī)相比,，究竟誰的問題解決能力更勝一籌呢？考慮到計算機(jī)技術(shù)在近幾十年中的飛速進(jìn)步,，你也許會認(rèn)為計算機(jī)占了上風(fēng),。經(jīng)過特殊設(shè)計和編程的計算機(jī)的確在許多復(fù)雜游戲中打敗了人類高手，如上世紀(jì)90年代打敗了國際象棋大師,、前幾年又在圍棋比賽中取勝,；計算機(jī)在百科知識競賽中也表現(xiàn)突出，如美國電視節(jié)目《危險邊緣》,。但在許多日常任務(wù)中,，人類總是完勝計算機(jī)，比如在圖片中辨認(rèn)一輛自行車,、或在擁擠的街道上尋找一名特定的行人,，又比如伸手拿過杯子、并順利將杯子送到嘴邊等等,。在概念化和想象力方面,，人類更是贏得毫無懸念。

為何計算機(jī)和人腦擅長的任務(wù)各不相同呢,？通過將計算機(jī)與人腦進(jìn)行對比,，計算機(jī)工程師與神經(jīng)科學(xué)家都從中受益頗多,。還在現(xiàn)代計算機(jī)剛剛起步時，就有人在書中將兩者做了比較,。這本書名叫《計算機(jī)與人腦》（The Computer and the Brain）,，由約翰·馮·諾依曼（John von Neumann）編寫。他于上世紀(jì)40年代帶頭設(shè)計的計算機(jī)架構(gòu)至今仍是大多數(shù)計算機(jī)的基礎(chǔ),。下表列出了計算機(jī)與人腦的一些比較數(shù)據(jù)：

計算機(jī)的基本運(yùn)算速度遠(yuǎn)勝過人腦,。目前個人電腦進(jìn)行加法等基本運(yùn)算的速度可達(dá)每秒100億次,。要估算人腦的基本運(yùn)算速度，可以對神經(jīng)元傳遞信息和相互交流的基礎(chǔ)過程進(jìn)行分析,。例如,，神經(jīng)元可以“發(fā)射”動作電位（即在神經(jīng)元細(xì)胞附近產(chǎn)生的電信號脈沖）,，然后沿著長長的軸突將其傳遞下去,，傳給與之相連的下一個神經(jīng)元。這些電脈沖的頻率和時長就是要傳遞的信息,。此外,，神經(jīng)元在向其它神經(jīng)元傳遞信息時，主要通過向軸突末端名為“突觸”的結(jié)構(gòu)釋放化學(xué)神經(jīng)遞質(zhì)進(jìn)行,，其相鄰神經(jīng)元又會通過突觸傳遞,，將神經(jīng)遞質(zhì)轉(zhuǎn)化回電信號形式。突觸傳遞耗時最快約1毫秒,。因此若把電脈沖傳遞與突觸傳遞都算上,，大腦的基本運(yùn)算速度至多為每秒1000次，僅為計算機(jī)的1000萬分之一,。

計算機(jī)的基本運(yùn)算精度也比大腦高出許多,。計算機(jī)的精度取決于數(shù)字位數(shù)。例如,，32位計算機(jī)的精度為2的32次方分之一,，約為42億分之一。而證據(jù)顯示,，在生理噪音的影響下,，神經(jīng)系統(tǒng)中涉及的大部分?jǐn)?shù)字（如神經(jīng)元發(fā)射信號的頻率，常用來代表刺激強(qiáng)度）往往存在百分之幾的誤差,，精度最高也只有100分之一,。與計算機(jī)相比，幾乎只占了個零頭,。

然而,，人腦的運(yùn)算既不算慢,，也不能說不精確。如一名職業(yè)網(wǎng)球運(yùn)動員可以密切追蹤速度高達(dá)每小時250公里的網(wǎng)球的運(yùn)動軌跡,，迅速跑到球場上的最佳位置,，調(diào)整好胳膊姿勢，然后將球打回對手場地,。這一切僅需幾百毫秒即可完成,。不僅如此，人腦在身體的幫助下完成這些動作的能耗僅為個人電腦的十分之一,。大腦是如何辦到的呢,？計算機(jī)與人腦間的一大差異便是系統(tǒng)內(nèi)部信息處理模式的不同。計算機(jī)任務(wù)主要以串行步驟進(jìn)行,，因?yàn)楣こ處熢诰帉懗绦驎r,，指令也是按時序排列的。對這種運(yùn)算模式而言,，每一步都必須保證高精度,，否則錯誤會在接下來的步驟中不斷累積和放大。人腦也會采用串行模式處理信息,。例如在打網(wǎng)球時,，信息先從眼睛傳遞到大腦，然后傳遞到脊髓,，進(jìn)而控制腿部,、軀干、胳膊和手腕的肌肉收縮,。

但人腦也會大量采用并行處理的模式,，充分利用了大腦中不計其數(shù)的神經(jīng)元和神經(jīng)連接。例如,，運(yùn)動中的網(wǎng)球會同時激活視網(wǎng)膜上的眾多光感細(xì)胞,，接收到的光線由這些細(xì)胞轉(zhuǎn)化為電信號。接著,，這些信號會同時傳遞給視網(wǎng)膜上的多種不同神經(jīng)元,。等光感細(xì)胞生成的信號通過了視網(wǎng)膜中的兩三個突觸連接后，關(guān)于網(wǎng)球位置,、方向和速度的信息已經(jīng)由并行的神經(jīng)回路提取出來,、同時傳遞給了大腦。與之類似,，負(fù)責(zé)自主性運(yùn)動控制的運(yùn)動皮層也會同時發(fā)送指令,，使腿部、軀干,、胳膊,、手腕的肌肉同時收縮,，使身體和胳膊同時擺好姿勢、做好擊打網(wǎng)球的準(zhǔn)備,。

這種大規(guī)模并行策略之所以得以實(shí)現(xiàn),，是因?yàn)槊總€神經(jīng)元都會接受來自大量其它神經(jīng)元的輸入、并向大量其它神經(jīng)元傳遞輸出,。一個哺乳動物神經(jīng)元的輸入和輸出平均可涉及1000個神經(jīng)元,。（相比之下，每個計算機(jī)晶體管的輸入和輸出節(jié)點(diǎn)加起來也只有3個,。）一個神經(jīng)元輸出的信息可同時通過多條并行路線向下傳遞,。與此同時，在上游處理了同一信息的大量神經(jīng)元又會將輸出信息傳遞給同一個神經(jīng)元,。后者對提高信息處理精度尤為重要,。比如說，單個神經(jīng)元的信息可能受噪聲影響很大（精度只有100分之一）,。但若將100個攜帶同一信息的神經(jīng)元輸入取平均值,，下游神經(jīng)元接收到的信息精度便會大大提高（在這個例子中約為1000分之一）。

計算機(jī)和人腦基礎(chǔ)單元的信號模式既有相似,、又有不同,。晶體管采用的是數(shù)字信號,，借離散值（0和1）代表信號,。神經(jīng)軸突脈沖也是數(shù)字信號，因?yàn)樵谌我饨o定時刻,，神經(jīng)元只有“發(fā)射脈沖”和“不發(fā)射脈沖”兩種可能,。且發(fā)射脈沖時，所有脈沖的強(qiáng)度和形狀都差不多,，這樣才能保證長距離脈沖傳遞的可靠性,。但神經(jīng)元也會采用模擬信號，即用連續(xù)值代表信息,。一些神經(jīng)元（如視網(wǎng)膜中的大部分神經(jīng)元）并不會產(chǎn)生電脈沖,，其輸出通過不同等級的電信號進(jìn)行傳遞。與電脈沖不同,，這些電信號的強(qiáng)度可以連續(xù)變化,，并且能傳遞更多信息。神經(jīng)元的接收端（信號通常由樹突接收）也利用模擬信號將成千上萬的輸入進(jìn)行整合,，讓樹突得以開展復(fù)雜計算,。

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(qiáng)度可隨著活動和經(jīng)驗(yàn)發(fā)生改變。神經(jīng)學(xué)家普遍認(rèn)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(jī)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(qiáng)度已成為了現(xiàn)代計算機(jī)的基本原則,。例如,，增加并行處理如今已是計算機(jī)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(jī)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(jī)上物體與語音識別功能的飛速進(jìn)步功不可沒,，而這其實(shí)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(qiáng)度權(quán)重可通過“學(xué)習(xí)”進(jìn)行調(diào)整,，而非由工程師預(yù)先設(shè)計好。這些進(jìn)步大大拓寬了計算機(jī)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(yuǎn)超當(dāng)前最先進(jìn)的計算機(jī),。隨著神經(jīng)科學(xué)家不斷揭露大腦的奧秘（計算機(jī)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(jìn)一步改善計算機(jī)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(jī)工程，均能從這些跨學(xué)科交叉研究中受益良多,。（葉子）