北京時(shí)間 7 月 13 日消息，據(jù)國外媒體報(bào)道，大腦是一個(gè)非常復(fù)雜的器官。人腦含有約 1000 億個(gè)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(jì)算機(jī)。人腦和計(jì)算機(jī)都含有大量基本單元，人腦中為神經(jīng)元，計(jì)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(hào)形式的信息。大體來看，人腦與計(jì)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(chǔ)存的幾大回路構(gòu)成。

但人腦與計(jì)算機(jī)相比，究竟誰的問題解決能力更勝一籌呢？考慮到計(jì)算機(jī)技術(shù)在近幾十年中的飛速進(jìn)步，你也許會(huì)認(rèn)為計(jì)算機(jī)占了上風(fēng)。經(jīng)過特殊設(shè)計(jì)和編程的計(jì)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(jì)算機(jī)在百科知識(shí)競賽中也表現(xiàn)突出，如美國電視節(jié)目《危險(xiǎn)邊緣》。但在許多日常任務(wù)中，人類總是完勝計(jì)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(jì)算機(jī)和人腦擅長的任務(wù)各不相同呢？通過將計(jì)算機(jī)與人腦進(jìn)行對(duì)比，計(jì)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(jì)算機(jī)剛剛起步時(shí)，就有人在書中將兩者做了比較。這本書名叫《計(jì)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(jì)的計(jì)算機(jī)架構(gòu)至今仍是大多數(shù)計(jì)算機(jī)的基礎(chǔ)。下表列出了計(jì)算機(jī)與人腦的一些比較數(shù)據(jù)：

計(jì)算機(jī)的基本運(yùn)算速度遠(yuǎn)勝過人腦。目前個(gè)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(duì)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(dòng)作電位（即在神經(jīng)元細(xì)胞附近產(chǎn)生的電信號(hào)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(gè)神經(jīng)元。這些電脈沖的頻率和時(shí)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(shí)，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(huì)通過突觸傳遞，將神經(jīng)遞質(zhì)轉(zhuǎn)化回電信號(hào)形式。突觸傳遞耗時(shí)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(jì)算機(jī)的 1000 萬分之一。

計(jì)算機(jī)的基本運(yùn)算精度也比大腦高出許多。計(jì)算機(jī)的精度取決于數(shù)字位數(shù)。例如，32 位計(jì)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(hào)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(jì)算機(jī)相比，幾乎只占了個(gè)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(dòng)員可以密切追蹤速度高達(dá)每小時(shí) 250 公里的網(wǎng)球的運(yùn)動(dòng)軌跡，迅速跑到球場(chǎng)上的最佳位置，調(diào)整好胳膊姿勢(shì)，然后將球打回對(duì)手場(chǎng)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(dòng)作的能耗僅為個(gè)人電腦的十分之一。大腦是如何辦到的呢？計(jì)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(jì)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(shí)，指令也是按時(shí)序排列的。對(duì)這種運(yùn)算模式而言，每一步都必須保證高精度，否則錯(cuò)誤會(huì)在接下來的步驟中不斷累積和放大。人腦也會(huì)采用串行模式處理信息。例如在打網(wǎng)球時(shí)，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(huì)大量采用并行處理的模式，充分利用了大腦中不計(jì)其數(shù)的神經(jīng)元和神經(jīng)連接。例如，運(yùn)動(dòng)中的網(wǎng)球會(huì)同時(shí)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(hào)。接著，這些信號(hào)會(huì)同時(shí)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(hào)通過了視網(wǎng)膜中的兩三個(gè)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(shí)傳遞給了大腦。與之類似，負(fù)責(zé)自主性運(yùn)動(dòng)控制的運(yùn)動(dòng)皮層也會(huì)同時(shí)發(fā)送指令，使腿部、軀干、胳膊、手腕的肌肉同時(shí)收縮，使身體和胳膊同時(shí)擺好姿勢(shì)、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�(gè)神經(jīng)元都會(huì)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(gè)哺乳動(dòng)物神經(jīng)元的輸入和輸出平均可涉及 1000 個(gè)神經(jīng)元。（相比之下，每個(gè)計(jì)算機(jī)晶體管的輸入和輸出節(jié)點(diǎn)加起來也只有 3 個(gè)。）一個(gè)神經(jīng)元輸出的信息可同時(shí)通過多條并行路線向下傳遞。與此同時(shí)，在上游處理了同一信息的大量神經(jīng)元又會(huì)將輸出信息傳遞給同一個(gè)神經(jīng)元。后者對(duì)提高信息處理精度尤為重要。比如說，單個(gè)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(gè)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(huì)大大提高（在這個(gè)例子中約為 1000 分之一）。

計(jì)算機(jī)和人腦基礎(chǔ)單元的信號(hào)模式既有相似、又有不同。晶體管采用的是數(shù)字信號(hào)，借離散值（0 和 1）代表信號(hào)。神經(jīng)軸突脈沖也是數(shù)字信號(hào)，因?yàn)樵谌我饨o定時(shí)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(shí)，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(huì)采用模擬信號(hào)，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(huì)產(chǎn)生電脈沖，其輸出通過不同等級(jí)的電信號(hào)進(jìn)行傳遞。與電脈沖不同，這些電信號(hào)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(hào)通常由樹突接收）也利用模擬信號(hào)將成千上萬的輸入進(jìn)行整合，讓樹突得以開展復(fù)雜計(jì)算。

大腦的另一大顯著特征也在打網(wǎng)球時(shí)發(fā)揮了重要作用：神經(jīng)元間的連接強(qiáng)度可隨著活動(dòng)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(jì)算機(jī)設(shè)計(jì)。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(jì)算機(jī)的基本原則。例如，增加并行處理如今已是計(jì)算機(jī)設(shè)計(jì)的一大趨勢(shì)，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(duì)電腦和手機(jī)上物體與語音識(shí)別功能的飛速進(jìn)步功不可沒，而這其實(shí)是受了哺乳動(dòng)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(jì)好。這些進(jìn)步大大拓寬了計(jì)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(jì)算機(jī)。隨著神經(jīng)科學(xué)家不斷揭露大腦的奧秘（計(jì)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(jì)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(jì)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）