形式和功能

　　神经网络是运行在计算机上的软件，人工智能的“神经元”没有物理实体。它们以位数和字符串的形式编码在硬盘或硅芯片上，它们的物理结构和真正的神经元一点也不像。相反，在人脑中形式和功能是同时存在的。

　　大小

　　人类大脑大约有1000亿个神经元，目前的神经网络通常有几百个左右。

　　连接

　　在神经网络中，每一层通常与上一层和下一层完全连接。但人脑并没有所谓的层，相反，它依赖于许多预定义的结构。并不是人类大脑的所有区域都是同样连接的，区域是专门用于特定目的的。

　　能量消耗

　　人脑在能量消耗方面，比现存的任何人工智能都更为节能。人脑大约耗费20瓦能量，这与现在标准笔记本电脑耗费的差不多。但有了这些能量，大脑处理的神经元数量多一百万倍。

　　体系

　　在神经网络中，这些层是整齐有序的一个接一个地处理。而另一方面，人脑会进行很多并行处理，没有任何特定的顺序。

　　激活状态

　　在人脑中，神经元要么是激活状态，要么非激活状态。在神经网络中，激活是由连续值模拟的。因此人造神经元可以平稳地从上到下运行，这是人脑做不到的。

　　速度

　　人类的大脑比任何人工智能系统都要慢得多。一台标准计算机每秒执行大约100亿次操作。另一方面，人的神经元激活频率为每秒最多一千次。

　　学习方式

　　神经网络通过输出来学习。如果根据损失函数，这个输出是低性能的。然后，网络通过改变神经元的权重和它们之间的连接做出反应。没有人知道人类学习的细节，但肯定不是这样的。

　　结构

　　神经网络每次都是从零开始的。而人脑呢？很多结构已经连接到它的连接处，而且利用的模型，这在进化过程中被证明是有用的。

　　精度

　　人脑的干扰因素更多，而且不如计算机上运行的神经网络精确。这意味着大脑基本上不能运行与神经网络相同的学习机制，它可能使用完全不同的机制。

　　这些差异的结果是，如今的人工智能需要大量的训练，需要大量精心准备的数据。这与人脑的运行方式是很不一样的。

　　局限性

　　神经网络不会建立世界中模型，相反它们会学习对模式进行分类。这种模式识别只需要很小的变化就会失败。

　　一个著名的例子是，你给图片添加少量影响因素，这些因素小到肉眼无法识别。但人工智能系统可能会被骗，错认为物品A认为是物品B。

　　目前，神经网络也不善于从它们所学习的情况推广到另一种

是的，人工智能是人类智能的必要补充，但是人工智能与人类智能仍存在着本质的区别：1、人工智能是机械的物理过程，不是生物过程。它不具备世界观、人生观、情感、意志、兴趣、爱好等。

2、人工智能在解决问题时，不会意识到这是什么问题，它有什么意义，会带来什么后果。

3、电脑必须接受人脑的指令，按预定的程序进行工作。

4、人工机器没有社会性。作为社会存在物的人，其脑功能是适应社会生活的需要而产生和发展的。

标签： 人工智能 智能