近报 -21版:新知-2018年04月27日

　　这种大规模并行策略是可能实现的,因为每个神经元收集输入信息,并向外发送信息至其它神经元,对于哺乳类动物神经元,输入和输出信息的神经元平均有1000个。相比之下,计算机每个晶体管仅有3个节点用于数据输入和输出。
　　人类大脑非常复杂,包含着1000多亿个神经元,大约形成100多万亿个神经元连接。人类大脑经常与另一个能解决处理运算的复杂系统进行对比,这个复杂系统是数字计算机。大脑和计算机都包含着大量基本单元,分别是神经元和晶体管,它们被连接到复杂的电路中,处理相关信息,然后通过电子信号进行传输。从整体层面上讲,人类大脑和计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、中央信息处理,以及记忆存储。
人脑更胜一筹
　　哪个更具强大的问题解决能力——大脑还是计算机?最新研究显示,人类大脑更高效,在现实生活中比计算机系统更优秀,能够处理大量复杂任务,从拥挤城市街道上识别一辆自行车或者一位特殊行人,甚至人们伸手去拿一杯茶,将它平稳地放在嘴唇上饮用,此外,人类大脑的概念化和创造力比机器人更胜一筹。
　　计算机在基本操作速度方面比人类大脑更具优势,个人计算机可以执行基本的操作运算,例如加法运算,速度是每秒100亿次。而大脑每秒最多能执行大约1千次基本运算,也就是比计算机运算速度慢10万倍。在基本操作精度方面,计算机比大脑有更多的优势,人类大脑神经系统的精确度仅是计算机百万分之一。
　　然而,大脑所进行的计算速度并不慢,例如:一个职业网球手能观察分析网球的运行轨迹,网球最高运行速度达到每小时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场地,击打动作在几百毫秒之内完成。此外,大脑完成所有任务(在身体控制帮助下)消耗的能量仅是个人计算机的十分之一。
神经元和晶体管
　　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占据优势,例如:网球快速移动将激活视网膜细胞——感光器,其工作是将光线转换成电子信号。这些信号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信号通过两至三个突触连接时,关于网球位置、方向和速度的信息,将被并行神经元电路所提取,之后并行传输至大脑。同样的,运动皮层(负责运动意识控制的大脑皮层部分)会发出指令控制腿部、躯干、手臂和手腕的肌肉收缩,身体和手臂能够充分协调,调整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,因为每个神经元收集输入信息,并向外发送信息至其它神经元,对于哺乳类动物神经元,输入和输出信息的神经元平均有1000个。相比之下,计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传递至许多并行下游路径,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游神经元。下游神经元对于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“嘈杂”的(精确度为百分之一),普通下游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,计算机和人类大脑在基本单位信号模式中存在共性和差异,晶体管使用数字信号,它使用离散值(0和1)来表示信息。神经元轴突的峰值也是一个数字信号,因为神经元在任何时间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外形,这一特性将有助于实现可靠远距离峰值传播。
　　然而,神经元也利用模拟信号,它使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信号传输的,这不同于峰值信号,它们的大小可以不断变化,比峰值信号传输更多的信息。神经元的接收末端(通常发生在树突)也使用模拟信号整合数以千计的输入信息,使树突能够执行复杂的计算处理。
人脑是改进计算机设计
的灵感来源
　　大脑的另一个显著特征,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,可在响应活跃性和体验过程中进行修改,这一过程被神经系统科学家普遍认为是学习和记忆的基础。重复训练可使神经回路更好地配置完成任务,从而大幅提高速度和精确度。
　　工程师从人类大脑结构中获得灵感来增强改进计算机设计。并行处理和连接强度的功能依赖性修改的原理,都被并入现代计算机应用中。例如:计算机增强并行性处理能力,在一台计算机上使用多个处理器,这是计算机设计的当前趋势。另一个例子是计算机“深度学习”能力,这是人工智能机器学习的一个重要能力,近年来计算机“深度学习”能力取得较大的成功,这得益于计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发。就像哺乳动物的视觉系统一样,深度学习能力使用多层次来代表日益增多的抽象特征(例如:视觉对象或者语言),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。
据新浪科技