神經網路演算法本身其實只是和神經系統有點相似，大部分神經網路演算法和神經系統有些許數學精神上的借鑑，。

比如CNN卷積神經網路，借鑑於對貓的視覺神經的借鑑，在神經網路中提出了局部感知野的概念（在CNN演算法裡是以卷積核體現）。

再比如RNN迴圈神經網路，就有了記憶板塊的出現，因為人類之所以有經驗一說，就是因為把曾經的事情記下來再運用。

再到後來由於RNN神經網路人畜無害的一股腦全記住而導致梯度爆炸和梯度消失，所以又延伸出LSTM長短期記憶神經網路演算法，就是將現值進行評估，部分對未來貢獻較小的值就選擇性“遺忘”掉，以此提高擬合效果。

類似的例子挺多，比如遺傳神經網路演算法等，感興趣可以讀讀相關的專業文獻。

深度學習是實現人工智慧的途徑之一，歷史上很多名字：感知機、神經網路。從目前而言，深度學習更多是依賴於大資料，才使得深層的網路模型下過越來越好，離神經科學領域的大腦、神經元等，越來越遠。不排除，未來深度學習和神經科學會互哺。

幾億年的進化才有了地球這麼多生物，非短時間人類能理解的，我們應該懷著敬畏之心。不要被某些媒體的“人工智慧”給忽悠了。對於真正的人工智慧，我們還差的遠呢。對於神經科學，所知更少。

我們更應該：腳踏實地，追求夢想，順其自然。