美国《发现》月刊网站1月14日发表题为《人工智能和人脑：它们有多相似？》的文章，作者是埃夫丽·赫特，文章编译如下：
布赖恩·克里斯蒂安在其2020年出版的《校准问题：机器学习与人类价值观》一书的序言中讲述了人工智能神经网络概念的开端。
人们已经知道神经元会因为一个激活阈值而放电或不放电。克里斯蒂安解释说：“如果对神经元的输入总和超过这个激活阈值，那么神经元就会放电；否则，它就不会放电。”
人工智能是受人脑启发的，但它到底有多像人脑呢？深度学习和人造神经网络方面的先驱约舒亚·本希奥谨慎指出，人工智能是对大脑中正在发生的事情的模仿，而不是复制。
蒙特利尔大学的计算机学教授本希奥说：“很多来自大脑的启发用到了现在得到使用的神经网络的设计中，但我们建立的系统在许多方面与大脑有很大不同。”他解释说，首先，最先进的人工智能系统并不使用脉冲，而是使用浮点数。他说：“工程人员不在乎复制大脑中的任何东西。他们只是想做某种能奏效的事情。”
但正如克里斯蒂安所指出的，人工神经网络的运作与生物神经网络十分相似。在认同这些程序并不完全像大脑的同时，加利福尼亚大学戴维斯分校的神经科学家和计算机科学家兰德尔·奥赖利说：“神经网络模型更接近于大脑实际在做的，而不是计算层面的纯粹抽象描述。”
奥赖利说：“这些模型中的单位正在做一些类似于大脑中真正神经元所做的事情。这不仅仅是一个类比或比喻。在这个层面上确实存在某种共性。”
驱动GPT3和ChatGPT等大型语言模型的更新Transformer架构在某些方面甚至比以前的模型更类似于大脑。
奥赖利说，这些较新的系统正在映现大脑不同区域如何运转，而不仅仅是单个神经元在做什么。但这不是直接映现，而是奥赖利所说的“重新组合”或“混合”。
大脑有不同的区域，比如海马体和皮质，每个区域都有不同的计算形式。奥赖利说，Transformer把这两者融合在了一起。他说：“我认为它就像一种糊状的大脑。这种糊状物被散布到网络的各个部分，并做一些类似海马体的事情和一些类似皮质的事情。”
奥赖利把Transformer之前的通用神经网络比作大脑参与知觉的后皮质。他解释说，Transformer到来后，它增加了一些类似于海马体的功能，他解释说，海马体擅长存储和检索详细事实——例如早餐吃了什么或上班的路线。然而，整个人工智能系统并非有一个单独的海马体，而是像一个巨大的糊状海马体。
普通计算机必须通过内存中的地址或某种标签来查找信息，而神经网络则可以根据提示自动检索信息（你吃了什么早餐？）。这就是奥赖利所说的神经网络的“超能力”。
大脑与神经网络的相似是惊人的，但差异或许是巨大的。奥赖利说，这些模型与人脑的一个不同之处是，它们没有意识的基本要素。他和在这一领域工作的其他人认为，为了拥有意识，神经元必须进行一次有来有回的对话。
他说：“意识的本质是，你对自己大脑的状态有一定的感知。”做到这一点需要双向联结。然而，所有现有模型只有人工智能神经元之间的单向对话。不过，奥赖利正致力于此。他的研究涉及这种双向联结。
并非所有的机器学习尝试都基于神经网络，但最成功的尝试是这样的。这可能不该让人感到意外。在数十亿年的时间里，进化找到了创造智力的最佳方式。克里斯蒂安说，现在我们正在重新发现并改造那些最佳做法。
他说：“事实证明，从生物上获得最多启发的模型是表现最好的，这不是偶然，也不纯是巧合。”
