计算机VS人脑谁具更强大问题解决能力？事实人脑胜出

大脑和计算机哪个在解决问题方面更强大？据国外媒体报道，人脑非常复杂，包含1000多亿个神经元，形成约100万亿个神经元连接。人脑经常被比作另一个能够解决加工操作的复杂系统。这个复杂的系统是一台数字计算机。大脑和计算机都包含大量的基本单元，即神经元和晶体管，它们与复杂的电路相连，处理相关信息，然后通过电子信号传输。一般来说，人脑和计算机的结构是相似的，包括独立的电路，可用于信息输入、输出、*信息处理和记忆存储。大脑和计算机哪个在解决问题方面更强大？考虑到过去几十年计算机的快速发展，你可能会认为计算机比大脑更有优势。计算机可以被组装和编程，并且可以在复杂的游戏中打败世界顶尖玩家，例如:机器人在20世纪90年代打败了国际象棋选手，AlphaGo机器人不久前打败了世界围棋选手，在电视智力竞赛节目《危险》中！(危险！)，“百科式知识竞赛，机器人脱颖而出，取得了优异的成绩。然而，在这份最新的研究报告中，人类的大脑效率更高，在现实生活中优于计算机系统，能够处理大量复杂的任务，从拥挤的城市街道上识别自行车或特殊行人，甚至人们伸手去拿一杯茶，用嘴平稳地喝着。此外，人脑的概念化和创造力比机器人好。那么，为什么计算机擅长完成某些任务，而人脑更擅长处理其他事务呢？计算机和人脑的对比分析对计算机工程师和神经科学家有指导意义。这种比较分析起源于计算机时代的早期，当时有一本短小精悍的书，由博学的约翰·冯·诺依曼写的《计算机和人脑》。诺依曼在20世纪40年代设计了一种计算机系统结构，它仍然是大多数现代计算机的基础。就基本运算速度而言，计算机比人脑更有优势。如今，个人电脑能以每秒100亿次的速度执行基本操作，如加法。我们可以通过神经元传递的信息处理过程和它们之间的交流来评估和计算大脑中基本信息处理的速度。例如，“激活”神经元的动作电位——电信号峰值在神经元细胞附近开始，并传递到轴突，轴突连接到下游的一些神经元。神经元激活的最高频率是每秒1000次。又如，神经元主要在被称为突触的轴突末端的特殊结构上释放化学神经递质，将信息传递给伙伴神经元。与此同时，在一个被称为突触传递的过程中，伙伴神经元将组合的神经递质转化为电信号。最快的突触传递大约需要1毫秒，因此大脑每秒最多可以执行1000次基本操作，即在峰值和突触传递方面比计算机慢100000倍。就基本运算精度而言，计算机比大脑更有优势。根据数字(二进制或0和1)分配的每个数字，计算机可以以任何期望的精度表示该数字，例如，32位二进制等于40亿以上的十进制数。实验证据表明，由于生物噪声，大多数神经系统具有几个百分点的可变性，在最好的情况下精确度为1%，相比之下，人脑中计算机的精确度为1%。然而，大脑的计算速度并不慢。例如，职业网球运动员可以观察和分析网球的运行轨迹。网球的最高运行速度是每小时160英里。根据网球的跑动位置，他们迅速移动到球场的最佳位置，挥动手臂，挥动球拍将网球打到对手的球场。击打动作在数百毫秒内完成。此外，大脑完成所有任务(在身体控制的帮助下)所消耗的能量只有个人电脑的十分之一。大脑是如何做到的？计算机和人脑的一个重要区别是每个系统的信息处理模式。计算机任务主要是在一系列步骤中完成的，这可以由工程师通过创建一个连续的指令流来实现。对于这种连续的级联操作，每一步都必须有很高的精度，因为误差会在连续的步骤中积累和扩大。与此同时，大脑也使用连续的信息处理模式。在打网球的情况下，信息从眼睛反馈到大脑，然后传输到脊髓，以控制腿、躯干、手臂和手腕的肌肉收缩。然而，人脑可以处理并行信息，并且在处理大量神经元和与每个神经元建立连接方面具有优势。例如，网球的快速运动会激活视网膜细胞，即感光细胞，将光转换成电信号。这些信号然后被并行传输到视网膜上不同类型的神经元。当来自感光细胞的信号通过两到三个突触连接起来时，关于网球位置、方向和速度的信息将被并行的神经元电路提取，然后并行传输到大脑。同样，运动皮层(大脑皮层负责控制运动意识的部分)会发出指令来控制腿、躯干、手臂和手腕的肌肉收缩，这样身体和手臂就能完全协调，身体的最佳位置也能调整到打网球的位置。这种大规模的并行策略是可能的，因为每个神经元收集输入信息，并将信息发送给其他神经元。对于哺乳动物神经元，平均有1000个神经元输入和输出信息。相比之下，计算机每个晶体管只有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输到许多并行的下游路径。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同一个下游神经元。下游神经元对于提高信息处理的准确性非常有用。例如，单个神经元所代表的信息可能是“有噪声的”(精确度为1%)，而普通的下游伴随神经元可以更精确地表达信息(精确度为1/1000)。同时，计算机和人脑在基本单位信号模式上既有相似之处，也有不同之处。晶体管使用数字信号，数字信号使用离散值(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候要么被激活，要么不被激活。当神经元被激活时，所有的峰值具有几乎相同的大小和形状，这将有助于实现可靠的长距离峰值传播。然而，神经元也使用模拟信号，模拟信号使用连续值来表示信息。一些神经元(像视网膜上的大多数神经元一样)处于非峰值状态，它们的输出通过分级电信号传输，这与峰值信号不同。它们的大小可以连续变化，比峰值信号传递更多的信息。神经元的接收端(通常出现在树突中)也使用模拟信号来整合成千上万的输入信息，使树突能够执行复杂的计算处理。你的大脑比电脑慢一千万倍。大脑的另一个显著特征是网球中的接收和发球动作，这是神经元之间的连接力量，可以在反应活动和经验的过程中被改变。神经科学家通常认为这个过程是学习和记忆的基础。重复训练可以使神经回路更好地完成任务，从而大大提高速度和准确性。在过去的几十年里，工程师们从人脑结构中获得灵感，来增强和改进计算机设计。连接强度的并行处理和功能相关性修改的原理已经被结合到现代计算机应用中。例如，计算机增强了并行处理能力，并且在一台计算机上使用多个处理器，这是当前计算机设计的趋势。另一个例子是计算机的“深入学习”能力，这是人工智能机器学习的一个重要能力。近年来，计算机的“深度学习”能力取得了巨大的成功，这要归功于计算机和移动设备目标和语音识别的快速发展，这是受哺乳动物视觉系统的启发。就像哺乳动物的视觉系统一样，深度学习能力使用多个层次来表示越来越多的抽象特征(例如，视觉对象或语言)。同时，不同层次之间的联系是通过学习来衡量的，而不是由工程师来设计的。这些最新的发展扩大了计算机执行任务的能力。然而，与最先进的计算机相比，大脑具有更强的灵活性、普遍适用性和学习能力。随着神经科学家发现更多关于大脑的秘密(越来越多的辅助计算机应用)，工程师可以从大脑工作中获得更多灵感，并进一步改善计算机的结构和性能。无论是人脑还是计算机成为特殊任务的赢家，跨学科整合无疑将推动神经科学和计算机工程的发展。