從微觀結構來看計算機與人腦的差異很明顯，從原材料到基本工作原理再到微觀工作機制都不相同，雖然計算機是模仿人腦發展起來的，以代替人腦的部分功能為目標，在結構和執行機制方面都有很多與人腦看起來相似的地方，但是一個有理智的人決不會把兩者看成是同一種東西。人腦重一千多克，但在這一千多克中有上百億個神經細胞&上千億個其他細胞。這麼多細胞，在一種龐大而複雜的網路中還可以互相聯絡著，並且是以一種我們現在還無法完全解釋的方法。而計算機的每一個零件和組織，我們都可以瞭解的透透的，畢竟是人造的嘛。

　　人腦中有大約有860億個神經元以及將這些神經元連線在一起的100萬億個互連物，每個神經元的連線點上都擁有1000多個蛋白質，而我們日常所使用的計算機，實際上只是我們用於處理資訊的機器，資訊被編碼成計算機可以識別的格式，錄入原始資料，在計算機內部進行運算。

　　精確的大腦生物模型必須包括細胞型別，神經遞質，神經調節劑，軸突分支和樹突棘之間的大約225,000,000,000,000,000次的相互作用，由於大腦是非線性的，因為它比現在所有的計算機都大得多，所以它可能以完全不同的方式執行。腦機隱喻掩蓋了原始計算能力中這一重要但可能很明顯的差異。在基本操作精度方面，計算機比大腦有更多的優勢。根據數位（二進位制，或者0和1）指派的每個數字，計算機可以使用任何期望的精確度表達數量，例如：32位二進位制等於40多億的十進位制。實驗性證據表明，由於生物噪聲，大部分神經系統存在幾個百分點的可變性，最好的情況下精確度達到百分之一，相比之下，人類大腦神經系統的精確度僅是計算機百萬分之一。

　　最先進的類人腦計算機晶片，仿生人類大腦的神經元工作方式，能夠有效地處理上百萬個平行計算流，但是人工智慧目前仍然無法在硬體上覆製出人類的神經突觸，人工智慧與人類智慧還存在著很大的差距。同時，計算機和人類大腦在基本單位訊號模式中存在共性和差異，電晶體使用數字訊號，它使用離散值（0和1）來表示資訊。神經元軸突的峰值也是一個數字訊號，因為神經元在任何時間處於要麼啟用或不啟用峰值狀態，當神經元被啟用時，所有峰值都差不多具有相同大小和外形，這一特性將有助於實現可靠遠距離峰值傳播。

雖然腦機這個比喻已經為認知心理學服務，但認知神經科學的研究揭示了大腦與計算機之間的許多重要差異。瞭解這些差異可能對理解神經資訊處理的機制意義重大，並最終對人工智慧的建立至關重要。下面，我回顧一下這些差異中最重要的一些（認知心理學未能認識到這些差異的後果）：在這個優秀的（雖然冗長）講座中也涵蓋了類似的理由。

差異1：大腦是模擬的；電腦是數字的

很容易認為神經元本質上是二進位制的，因為如果它們達到一定的閾值，它們就會觸發一個動作電位，否則不會觸發。與數字“1和0”表面上的相似性掩蓋了神經元處理的各種連續和非線性過程。

例如，資訊傳遞的主要機制之一似乎是神經元的啟用率——一個實質上連續的變數。類似地，神經元網路可以相對同步或相對無序地啟用；這種連貫性影響下級神經元接收訊號的強度。最後，每個神經元內部都有一個漏電積分器電路，由多種離子通道和不斷波動的膜電位組成。

如果沒有認識到這些重要的微妙因素，便可能會導致Minksy&Papert臭名昭著的感知器的錯誤表徵——這種神經網路在輸入和輸出之間沒有中間層。線上性網路中，由三層網路計算的任何函式也可以透過適當重新排列的兩層網路來計算。換句話說，多個線性函式的組合可以透過一個單一的線性函式來精確建模。由於簡單的2層網路無法解決許多重要的問題，Minksy&Papert認為，大型網路也不能。相反，現實中的神經網路所執行的計算高度依賴於層數——因此，“感知器”嚴重低估了神經網路的計算能力。

差異2：大腦使用內容定址記憶體

在計算機中，記憶體中的資訊是透過查詢其精確的記憶體地址來訪問的。這就是所謂的位元組定址記憶體。相比之下，大腦使用內容可定址的儲存器，例如資訊可以在記憶體裡透過“擴充套件啟用”從相關概念中得到。例如，考慮到“狐狸”一詞，可能會自動將其啟用擴充套件到其他聰明的動物，獵狐騎士或有吸引力的異性等有關記憶。

最終的結論是，你的大腦有一種“內建的Google”，其中只有一些提示（關鍵詞）足以導致一個完整的記憶被檢索。當然，在計算機上也可以做類似的事情，主要是建立大量的儲存資料索引，然後儲存和搜尋相關的資訊（順便說一下，這幾乎就是Google做的）。

雖然這似乎是計算機和大腦之間相當小的差別，但它對神經計算有深遠的影響。例如，認知心理學的持久辯論涉及資訊是由於簡單的衰減還是由於其他資訊的干擾而丟失。現在回想起來，這個辯論部分是基於這樣的假設，即這兩種可能性是可以分離的，就像它們可以在計算機中一樣。許多人現在意識到這個辯論是一種錯誤的二分法。

差異3：大腦是一個大規模的並行機器；電腦是模組化和序列的

腦機隱喻導致的一個不幸後果是認知心理學家有在大腦中尋求模組化的傾向。例如，計算機需要記憶的想法導致一些人尋求“記憶區域”，而實際上這些區別是非常混亂的。這種過度簡化的一個後果是，我們現在才知道“記憶”區域（例如海馬）對於想象力，新目標的表示，空間導航和其他多種功能也是至關重要的。

同樣，人們可以想象大腦裡有一個“語言模組”，就像計算機中可能有自然語言處理程式一樣。認知心理學家甚至聲稱基於大腦布魯卡區域受損的患者已經找到了這個模組。最近的證據表明，語言也是透過廣泛分佈的一般性區域的神經迴路計算實現的，而布羅卡區域也可能涉及到其他的計算。

差異4：大腦中的處理速度並不固定，沒有系統時鐘

神經資訊處理的速度受到各種約束，包括電化學訊號穿過軸突和樹突的時間，軸突髓鞘的形成，神經遞質穿過突觸間隙的擴散時間，突觸功效的差異，神經發射的一致性，神經遞質的當前可用性以及神經元先前啟用的歷史。雖然心理測量學家稱之為“處理速度”的東西存在個體差異，但這並不反映單一的或單一的構造，當然也不像微處理器的速度那麼具體。相反，心理測量學的“處理速度”可能是對上述所有速度約束條件的不同組合。

同樣的，大腦中似乎沒有任何中央時鐘，人們對大腦的時間保持裝置如何做到像時鐘一樣存在爭議。僅舉一個例子，小腦通常被認為是計算涉及精確計時的資訊，如精細運動所需；然而，最近的證據表明，大腦中時間的保持更像是水面上的漣漪而不是數字時鐘。

差異5: 短期記憶不像RAM

雖然RAM和短期或“工作”記憶之間的明顯相似性使許多早期的認知心理學家感到有底氣，但仔細檢查可以發現其中驚人的差異。儘管RAM和短期記憶似乎都需要能源（在短時記憶的情況下持續的神經元放電，在RAM的情況下持續的電力），但短期記憶似乎只能保持長期記憶的“指標”，而RAM儲存的資料與儲存在硬碟上的資料是同構的。

與RAM不同的是，短期記憶體的容量限制是不固定的；短期記憶的能力似乎隨著“處理速度”的差異而出現波動（見第四種差異），也隨著專業知識和熟悉程度波動。

差異6：不能把大腦和思想區分為硬體和軟體

多年來，人們很想象大腦是正在執行“心智程式”或“心智軟體”的硬體。這就產生了各種各樣的抽象程式式的認知模式，其中大腦如何執行這些程式的細節被認為是無關緊要的，就像Java程式可以完成與C ++程式相同的功能一樣。

不幸的是，這個吸引人的硬體/軟體之分掩蓋了一個重要的事實：頭腦直接從大腦中產生，而頭腦中的變化總是伴隨著大腦的變化。任何抽象的認知資訊處理總是需要指定神經元架構如何實現這些過程——否則，認知建模是嚴重欠約束。有人把這個誤解歸咎於“象徵性AI”臭名昭著的失敗。

差異7：突觸比電子邏輯閘複雜得多

腦電比喻的另一個有害特點是似乎表明大腦也可能以邏輯閘傳播電訊號（動作電位）為基礎進行操作。不幸的是，這隻對了一半。訊號沿著軸突的傳播方式實際上是電化學訊號的傳播，這意味著它們比計算機中的電訊號傳播得慢得多，並且可以以各種各樣的方式進行調製。例如，訊號傳輸不僅取決於假定的突觸結構的“邏輯閘”，還取決於突觸間隙中存在的多種化學物質，突觸與樹突之間的相對距離以及許多其他因素。這增加了在每個突觸中發生的處理過程的複雜性——因此認為神經元僅僅起電晶體的作用是完全錯誤的。

差異8：與電腦不同，處理和記憶由大腦中的相同元件執行

計算機使用CPU處理來自記憶體的資訊，然後將處理結果寫回記憶體。大腦中不存在這樣的區別。當神經元處理資訊時，它們也在修改它們的突觸——神經元本身就是記憶的基質。因此，從記憶中檢索總是會稍微改變這些記憶（通常使它們變得更健壯，但是有時會使它們更不準確）。

差異9：大腦是一個自組織系統

從以前的觀點來看，這一點是自然而然的——經驗以一種在傳統微處理器中不會發生的方式深刻而直接地塑造了神經資訊處理的本質。例如，大腦是一種自我修復的電路——一種被稱為“創傷誘發可塑性”的事件在傷害之後起作用。這可能會導致各種有趣的變化，包括釋放大腦中未被利用的潛能（被稱為獲得主義），以及其他可能導致嚴重認知功能障礙的變化（不幸的是這在創傷性腦損傷和發育紊亂中更典型）。

在神經心理學領域由於沒有意識到這種差異而導致了一個錯誤的結果，那就是檢查腦損傷患者的認知表現以確定受損區域的計算功能。不幸的是，由於創傷引起的可塑性知之甚少，邏輯不可能如此簡單。在發育障礙和新興的“認知遺傳學”領域也出現了類似的問題，其中神經自我組織的後果經常被忽視。

差異10：大腦可以使用身體

這並不像看起來那麼微不足道：事實證明，大腦有一個驚人的優勢，就是它擁有一個可以使用的身體。例如，儘管直覺上你感覺到可以閉上眼睛並能瞭解周圍物體的位置，但是在變化盲區領域的一系列實驗表明，我們的視覺記憶實際上相當稀少。在這種情況下，大腦將其記憶需求“解除安裝”到它所處的環境中：當瞥一眼就能確定的時候，為什麼還要記住物體的位置呢？傑里米·沃爾夫（Jeremy Wolfe）的一組驚人的實驗已經表明，甚至在被問及幾百次在計算機螢幕上顯示哪些簡單的幾何形狀之後，人類受試者是透過目光而不是死記硬背來回答這些問題。來自其他領域的各種證據表明，我們只是開始瞭解資訊處理中具體化的重要性。

額外令人興奮的差異：大腦比任何現有的計算機都大得多

精確的大腦生物模型必須包括細胞型別，神經遞質，神經調節劑，軸突分支和樹突棘之間的大約225,000,000,000,000,000次的相互作用，並且不包括樹突幾何或者大約1萬億個膠質細胞對神經資訊處理可能重要或不重要的細胞的影響。由於大腦是非線性的，因為它比現在所有的計算機都大得多，所以它可能以完全不同的方式執行。腦機隱喻掩蓋了原始計算能力中這一重要但可能很明顯的差異。

人的大腦處理事情的時候是分兩個區域的，一個是邏輯處理區，一個是情緒處理區，比較常見的說法是人的左腦負責邏輯，右腦負責情緒。而電腦是由程式與硬體組合而成的物品，具有有限的邏輯分析方式，但勝在精確。好的，迴歸本題，人腦與電腦的區別在於什麼呢，在於人腦處理事情會包含情緒，這種處理方式會存在創造性和不確定性，當然準確性也會降低，而電腦的準確性會很好，能處理就能處理，不能處理，電腦會第一時間反饋，但創造性約等於零。舉個例子，法不容情說的就是電腦的處理方式，法外開恩說的就是人腦的處理方式

這是人腦和人工智慧的區別，但做這樣的研究的人竟然不是心理學家或神經學家，而是一群數學家、計算機科學家和物理學家。

這個研究的不確定性太大了：我們的大腦可能起源於神秘的、未發現的自然規律，也有可能一文不值到你可以毫無責任地折磨他人。

大腦透過神經衝動和電流訊號而工作，它的總工作量遠超平時閱讀的工作量。但問題是，大腦的計算和機械的計算是一回事嗎？

麻省理工學院的計算機科學家Scott Aaronson最近在研討會上指出，這兩種幾乎是一樣的，電腦幾乎可以模擬出大腦的所有特點。

同樣存在了一個質疑？

人腦中有大約有860億個神經元以及將這些神經元連線在一起的100萬億個互連物，每個神經元的連線點上都擁有1000多個蛋白質，而我們日常所使用的計算機，實際上只是我們用於處理資訊的機器，資訊被編碼成計算機可以識別的格式，錄入原始資料，在計算機內部進行運算。

精確的大腦生物模型必須包括細胞型別，神經遞質，神經調節劑，軸突分支和樹突棘之間的大約225,000,000,000,000,000次的相互作用，由於大腦是非線性的，因為它比現在所有的計算機都大得多，所以它可能以完全不同的方式執行。腦機隱喻掩蓋了原始計算能力中這一重要但可能很明顯的差異。

最先進的類人腦計算機晶片，仿生人類大腦的神經元工作方式，能夠有效地處理上百萬個平行計算流，但是人工智慧目前仍然無法在硬體上覆製出人類的神經突觸，人工智慧與人類智慧還存在著很大的差距。