据外媒报道，人类的大脑非常复杂，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。而大脑和计算机包含大量的基本单元，即神经元和晶体管，它们被连接到复杂的电路中处理相关信息，然后通过电子信号传输出去。总的来说，人脑和计算机的架构是相似的，包括独立的电路，可用于信息输入输出、中央信息处理和记忆存储。

那么问题来了。大脑和计算机哪个更强大？

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。计算机可以组装和编程，它们可以在复杂的游戏中击败世界顶尖玩家。比如90年代机器人打败国际象棋大师，前不久AlphaGo机器人打败世界围棋大师。在电视问答节目《危险！（Jeopardy！）》和百科知识大赛中，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，人脑比现实生活中的计算机系统更高效、更好。它可以处理大量复杂的任务，从拥挤的城市街道上识别出一辆自行车或一个特殊的行人，甚至有人伸手去拿一杯茶放在嘴边喝。此外，人脑的概念化和创造力也比机器人好。

那么为什么电脑擅长一些任务，而人脑却更擅长其他事情呢？

计算机与人脑的对比分析对计算机工程师和神经科学家具有启发意义。这种比较分析起源于早期的计算机时代，当时有一本短小精悍的书《计算机和人类大脑》，作者是博学的约翰冯诺依曼，他在20世纪40年代设计了一种计算机系统结构，这仍然是大多数现代计算机的基础。

计算机在基本运算速度上比人脑有优势。如今，个人电脑可以以每秒100亿次的速度进行加法运算等基本运算操作。我们可以通过处理神经元传递的信息和相互交流的过程来评估和计算大脑处理基本信息的速度。比如“激活”神经元的动作电位。神经元附近开始的电信号峰值被传递到轴突，并与下游的一些神经细胞相连。

神经元激活的最高频率是每秒1000次。又如，神经元主要在称为突触的轴突末梢特殊结构上释放化学神经递质，并将信息传递给伙伴神经元。与此同时，伙伴神经元在一个叫做突触传递的过程中将结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，大脑每秒最多可以进行1000次左右的基本运算，比计算机运算慢10万倍。

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)指定的每个数字，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多亿个十进制。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，在最佳情况下准确率达到1%。相比之下，人脑神经系统的准确率只有计算机的百万分之一。

然而，大脑的计算速度并不慢。比如一个职业网球运动员可以观察分析网球的运行轨迹，网球的最高运行速度达到每小时160英里。他们根据网球的跑动位置，迅速移动到场地的最佳位置，挥臂挥拍将网球打到对方场地，击球动作在几百毫秒内完成。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。

大脑是如何做到这一点的？计算机和人脑的一个重要区别是每个系统的信息处理方式。计算机任务主要以连续的步骤执行，工程师可以通过创建连续的指令流来实现。对于这种连续级联操作，每个步骤都必须具有高精度，因为误差会在连续步骤中累积和放大。同时，大脑也采用了连续信息处理模式。在打网球的情况下，信息从眼睛反馈到大脑，然后传递到脊髓，控制腿部、躯干、手臂和手腕的肌肉收缩。

然而，人脑可以执行并行信息处理，这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光感受器，其工作是将光转化为电子信号。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个或三个突触连接时，关于网球位置、方向和速度的信息将被并行的神经元电路提取出来，然后并行传输到大脑。同样，运动皮层(负责控制运动意识的大脑皮层)也会发出指令，控制腿部、躯干、手臂和手腕的肌肉收缩，让身体和手臂充分协调，调整身体的最佳位置去打网球。

这种大规模并行策略是可能的，因为每个神经元收集输入信息并将其发送给其他神经元。对于哺乳动物神经元来说，输入和输出信息的神经元平均数量为1000个。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其输入信息集中在同一下游神经元上。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”(准确率为百分之一)，而普通的下游伴随神经元可以更准确地表达信息(准确率为千分之一)。

同时，计算机与人脑在基本单位信号模式上有异同。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。轴突的峰值也是一个数字信号，因为神经元在任何时候不是活跃就是不活跃。当神经元被激活时，所有的峰都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，用连续的数值来表示信息。有些神经元(像视网膜中的大多数神经元一样)处于非峰值状态，其输出通过分级电信号传递，这与峰值信号不同。它们的大小可以不断变化，它们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可以表现在网球的接发球动作上，这是神经元之间的连接强度，可以在反应活动和体验过程中进行修改，一般被神经科学家认为是学习和记忆的基础。重复训练可以使神经回路更好地配置完成任务，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了灵感来增强和改进计算机设计。并行处理的原理和连接强度的函数依赖修改都被结合到现代计算机应用中。例如，增强计算机的并行处理能力，在一台计算机上使用多个处理器，是当前计算机设计的趋势。再比如计算机的“深度学习”能力，这是人工智能机器学习的重要能力。近年来，计算机的“深度学习”能力取得了巨大的成功，这得益于计算机和移动设备的目标以及受哺乳动物视觉系统启发的语音识别的快速发展。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(如视觉对象或语言)，同时不同层次之间的联系是通过学习而不是工程师来衡量的。

这些最新的发展扩展了计算机的任务执行能力。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(越来越多的计算机应用得到辅助)，工程师可以从大脑工作中获得更多的灵感，进一步改善计算机的结构和性能。无论是人脑还是计算机是一项特殊任务的赢家，跨学科的融合无疑会推动神经科学和计算机工程的发展。