但并没有理由说明与生物神经网络功能相当的非生物再创造无法使用这些原则。
的确全世界数十次的努力已经成功地完成了这些事，现在警方技术领域就是模式识别，而且我在四十年里所涉及的工程项目中，也一直使用这种可训练性且具有不确定性的计算方式。
通过利用有足够能力的通用计算，很多大脑特有的组织方法可以有效地模拟出来。我相信复制自然的设计范式将成为未来计算的主要趋势。
我们也应该牢记，数字计算可以与模拟计算功能等效，也就是说我们可以用全数字计算机执行一个数字模拟网络所有的功能。
而反过来是不正确的，我们不能用一个模拟计算机来模拟一个数字计算机的所有功能。这也就是你刚刚的那个问题，我们的大脑就像是那个模拟计算机一样，我们无法做到数字计算机的一些功能。
然而，模拟计算的确有一个工程上的优势，它的潜在效率是现在的数千倍，同时也具备数字计算机所不具备的一些细节，
模拟计算可以在哺乳动物神经细胞里，以及特殊的电化学过程中执行。相反的是数字计算则需要成千上万个晶体管。
另一方面这种优势将被基于计算的数字仿真所抵消，因为数字计算机可以轻易地进行设计，所以大脑区别于传统的计算机，但是又相似于现在的人工智能。
大脑区别于传统计算机的关键方式还有很多，大脑的电路非常缓慢。
在神经元放电之后，神经元及其突出的重置时间是一个非常漫长的过程，以至于没有神经元放电周期，可以进行模式识别，整个过程是无法被把握的。
这就意味着我们的大脑在进行物体识别的时候，需要150毫秒，以至于我们在思考某些事情的时候，即使是动用了全部的思考能力，但是运作周期最多也只是以数百或者数千来衡量，而不是一台标准的计算机那样以数10亿来计算。
内容未完，下一页继续阅读