【图片】电脑和人脑运算速度对比（科普向）【人工智能吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：66,282贴子：
电脑和人脑运算速度对比（科普向）收藏
从零开始学习并掌握深度学习所需的数学与编程基础,跟随硅谷专家系统学习人工智能核心知识,迈出成为高薪抢手的人工智能工程师的第一步!
图片来源：有学校账号可以看到原文，我后面讲的和这篇没关系人脑基本数据：存储量3.5PB运算速度：2.2E15次浮点计算能源：40W实际上我认为2.2E15的数字是低估的，因为用了过于简单的神经元模型；模拟人脑所需要运算更要高得多。为什么人们常识会认为人脑的运算速度不如电脑？1、首先，在人们的日常用语中，认为”计算“指的是”加减乘除“，而不包含其他可被意识到的心理活动。如人们会认为”思考“，”语言“，”推理“，”决策“，”喜怒哀乐“，”对影像的回忆“等等是超自然现象或灵魂作用的结果，而不是一种运算。2、更为重要的是，可被意识到的心理活动只是人脑活动的极少部分，估计在小于1%（Timothy D. Wilson，2004）到5%（Bruce Lipton，2011）之间，其他的包括”初级视觉过程“，”边缘视觉重建“，”场景、物体、人脸识别“，”眼动控制“,&视觉注意过程&,”语音识别“，”习惯性动作，反射“如吃饭，开车，适应性潜意识（adaptive unconsciousness）对周围信号的各种监听和思维，对记忆的强化和遗忘过程等等等等，由于你无法意识到这些过程的存在，就更不会被认为这些属于”运算“的一部分。
这个贴要讲哪些事？一、神经元（最简化的）的运算原理，包括两部分1、神经元对输入端动作电位频率的累加运算2、对突触链接强度的调整3、与冯诺依曼机运算器的对比二、人脑记忆的工作原理1、人脑陈述性记忆与操作性记忆的区别，以及具体分类（心理学）2、使信息在时间上维持的两种不同的方式，动态系统（吸引子网络）和静态系统（包括计算机磁盘和神经元之间的映射）的区别三、控制器（已知的）原理1、人脑的整体构架（ACT-R），基底神经节与不同模块之间的协同2、与单线程冯机的区别四、人类数学运算过程详解，为何人脑数学运算效率低下
1、神经元对输入端动作电位频率的累加运算每个神经元可以看做一个多脚的电子元器件，有多个输入端和多个输出端，其输入端会与其他神经元的输出端连接。神经元会按一定频率发放0或1的数字信号（所谓动作电位），如下图所示，信号的强度以信号的密度（频率）计量，当神经元的输入信号增强时，输出信号也会增强。其输出信号强度等于∑wx，w为每个输入端的权重，因此可以看做把每个输入端的信号做加法。图片来源：真实神经元形态（人眼J cell）：图片来源普通人对神经元了解到这就够了，其背后的物理原理可以不用知道
2、调整突触连接强度的运算前一个神经元的输出端和后一个神经元输入端的接口称为”突触“，突触的连接强度（权重），用w来表示，决定了前一个神经元的输出所能影响后一个神经元的程度，突触的连接越强，则前一个神经元对后一个神经元的影响越大。突触的连接强度是不断变化的（生物化学过程），其变化幅度，取决于前后两个神经元的物理状态，近似符合一定的函数关系。我们对每个神经元所进行以上两种运算的频率进行统计，再乘以人脑的总神经元数量，就可以得到人脑的运算量的下限（因为是极度简化的模型）
3. 冯机的运算器由逻辑门实现只要使特定电路的输出端按照输入端的状态变化，就能实现各种逻辑运算如加法其他细节： 冯诺依曼机与人脑的最大区别在于，其运算器是单一的（如果把运算器看做是神经元的对应物），它除了运算器以外还有专门的存储器和控制器。运算器的输入由控制器按指定地址导入，而非由其他运算器提供，控制器的指令和数据又可以相互转化，本质上都是二进制数据。通过指令、读取、计算、存储的循环可以完成各种复杂任务。相关链接：4、人脑（微观）与冯机的区别与冯机不同，人脑中每个神经元的输入来源和输出去向是相对固定的，都指向其他神经元，在神经元的尺度上并没有独立的存储器或控制器，因此无法对单个神经元的输入来源和输出去向进行调整。因此人脑中神经元的功能毫无灵活性可言，一个神经元将永远只执行单一任务或参与少数几个任务，其功能又取决于与之连接的神经元。功能相同的神经元在空间上聚集在一起形成相对独立的功能模块。当人脑没有执行某项任务时，与任务相关的神经元将处于相对的待机状态，造成局部脑区的能源供应减少，信号可被fMRI捕捉到。以冯机作为类比，每个神经元相当于功能专一的运算器，这样的运算器在人脑中有超过100亿个，只能处理来自某个局部空间的信息，而非加法运算，其输出的结果只能被特定的其他运算器使用。数据无法在人脑中随意流动。
一个很好的人脑和电脑区别的总结
如果可以对猪脑进行有效的IO，相信各类存储设备的价格将跌到猪肉价位附近。。。
赞 虽然看不懂
百度AI开放平台将60多种人工智能技术全面开放,为您提供大量案例,教学视频等,帮助各类开发者快速上手,接入使用,创造价值.
看起来好长。。马克慢慢看
记忆在不同语境下有不同含义，在日常语境下，记忆指能在意识（主观体验）中被呈现的关于过去的情景和知识的感知和描述。而在心理学中，记忆指信息编码、存储和读取的过程。日常观念中的记忆（陈述性记忆）是由主观体验定义的，可被讲述的而心理学中的记忆还包括程序性记忆，即能在行为层面上表现出来的变化。3楼图的中文版主观体验有三个来源，要么由外部输入导致（感知），要么由陈述性记忆导致（记忆），要么来自对前两者的后续加工过程（思维）。由感知导致的体验，比如你睁开眼睛看到一棵树，你此时的主观体验中就会存在一棵树的影像。如果认为主观体验是由人脑物理状态决定的现象，又由于人脑物理状态可以简化为所有神经元的链接状态和放电状态的总和。相同的主观体验是由相同的链接和放电状态决定的（证据略）因此情景记忆（对于事实和事件的记忆）本质上是能够引发相同放电状态的所有因素的总和。与一个记忆相关的所有神经元的放电状态可以表示在“细胞编号／时间”轴上。因此，陈述性记忆的本质是引起相关神经元在一个时间窗内以重复模式放电的因素。一个简单的模型是由一个（或一些）额外的神经元作为这些记忆相关的神经元的输入，我们把这个额外的神经元命名为“触发1”，那么“触发1”的激活就会引起一个关于陈述性记忆的主观体验。那么，所谓陈述性记忆的形成就是，通过神经元连接权值的改变，使“触发1”能够引发相关神经元放电模式的过程；它的原理和数据降维是完全相同的，参考deep learning ()，或predictive coding（）可以认为海马是全皮层deep learning网络的最深一层，回忆是模式识别的逆过程
人脑与电脑在数据存储方式的最大差别在于，信息是存储在神经元相互连接的关系和连接强度之上。它无法像冯机一样随意地进行复制和粘贴。人类记忆的存在只能通过主观体验和行为输出两种方式展现，神经元依次激活，并最终引发一个重复的主观体验，或众多肌肉的重复的收缩模式。参与到这个过程中的神经元是运算单元，而“数据”则取决与计算单元之间的关系和连接强度。
很好的文，只是人脑数学运算效率低下的问题还没有说明，希望吧主补充
非陈述性记忆比较重要的几点包括1、运动技巧的学习产物，比如如何骑自行车，也被认为是记忆的一部分，但这些记忆是不可被语言表述的。2、情绪学习，情绪是由环境和内部状态决定的（函数），这个决定过程是可改变的，这个过程中参数的改变也被认为是记忆的一部分以上两类记忆都是由一些内部状态所激发的模式（各肌肉收缩模式，和神经、内分泌模式），本质上是由从表征内部状态的神经元到效应器之间的神经元的连接权重决定的，因此本质上都是神经元连接权重的反应，这些记忆同样是固定在物理结构中的，不可拷贝和分析。细节：3、知觉、分类学习，如你看到一个新的物体，下一次再看到这个物体还能认出来；这个过程和人工神经网络的模式识别是十分类似的，本质上也是神经元权值的改变。
还有一类记忆，称为短时记忆(short-term memory)或工作记忆（working memory），是使神经元的激活模式作短期维持，一般指发生数秒到半分钟之内的记忆。（如果半分钟之内还能记得，就不叫短时记忆了）这类记忆的原理与长时记忆完全不同，在这里不讨论。
对运算和存储的总结：人脑是如何运算的：1、每个神经元仅仅对输入信号的动作电位频率的累加运算（在这个层面上是模拟信号），并以动作电位频率的形式将运算结果发送到后方神经元。2、调整与其他神经元连接权重的运算人脑中的数据是如何存储的：1、每个神经元在一个时间窗内的激活状态（稍纵即逝的数据），只能被与之连接的少数神经元读取2、神经元之间的权重（相对长久的，能够决定神经元如何激活的数据），无法被读取。冯机是如何运算的：控制器从存储器读取二进制数据（这些数据可以来自存储器的任意位置），输送到运算器；运算由逻辑门实现。运算的结果可存储到存储器的任意位置。冯机是如何存储的：二进制位的数据被静态存储在磁盘上，可被读取。
由于人脑是各自为政的庞大系统，每个运算器（神经元）只能观察到一千左右的输入神经元的活动，对人脑的其他部分的活动是完全无法获悉的。没个神经元只能明白前一个神经元的编码方式，因此没有数据能够以原始编码跨神经元传输。这就导致人脑不可能有一个调配数据的中央控制器；但为什么我们会觉得我们的行为是由一个中央控制系统（如意识、心灵、或灵魂）操纵的？细节略虽然人脑中并没有一个发号施令的绝对权威，却有若干个能负责全局协调的系统，包括1、基底神经节 tieba.baidu.com/p/ 2、前额叶 （暂无资料）
基底节基本原理：人脑可以被理解为由很多相互独立的模块组成的系统，由于数据无法直接流通，这些模块之间无法直接交流。举个通俗的例子，比如你是一只动物，你正在河边喝水，突然你的同伴开始一起向某个方向逃窜（可能意味着来了只狮子）；由于控制你喝水行为的模块A1（分析内部需求，触发行为），和控制你跟风逃跑的模块A2（分析视觉信号，触发行为）之间不存在直接的交流；那么行为的整合就会变得相当麻烦，如果控制喝水的模块A1仍然在发放信号，那么逃跑行为就会被喝水的行为干扰，最后什么也做不成。解决方法之一是在A1和A2两个模块之间建立抑制性连接，当A1激活时，A2被抑制，以此类推。这种构架在一些简单动物中很常见，比如水母（）但是对于更高级的动物，比如昆虫，或哺乳动物，可能有100个模块，如果这些模块之间全都靠相互抑制来协调，就会有10000个长程连接，这10000个连接中只要1个出错就会导致行为紊乱。而另一种方案就是由基底神经节来协调，所有模块都发放信号给基底节，由基底节来抑制无关的模块在100模块的例子中，基底节能够把10000个长程连接减少到200个。新脑皮层的行为冲动统统发放部分信号到基底节，报告各自的激活状态，基底节通过抑制丘脑的部分功能区，来关闭相互冲突的模块。内部细节略 tieba.baidu.com/p/
好强，多谢！有营养的好帧！
我觉得人脑是 一套反射系统。
楼主，俺又来了，你没有给你所谓的“运算”做出定义，你的文章有个大前提，即电脑的浮点运算速度是可以和大脑做等单位对比，事实上，两者之间的物理构造完全不同，俺不晓得你是怎么能做到这点的。接以前说的，俺想说的是，你的想法其实很简单，打个比方，，用木头能做船，而有人非要用铁做船，人成功了，而你的想法就是既然一堆有机物是可以有智能的，只要知道原理，那一堆无机物为什么不能做出智能呢？我说问题就在这思维上了。智能比较特殊，特殊在它定义不了，一但你定义了，那么你所创造的“智能”，其实是你思维的具体化而已，它跳不出你的思维方式。本质上还是个弱人工智能麻，既然是弱人工智能，那就务实点，搞个比百度牛叉的搜索引擎出来如何？
逻辑性和抽象性呢
看起来碉堡了。。。
好贴，够专业！！！
虽然许多东西值得学习但感觉和题目的论证没有太大关系……
人脑之所以比电脑慢，最大的原因就是纯粹性的巨大差距，极致高效的电脑拥有百分之百的理性，相比起来，即使是抛弃情感高度理性的我任然无法与之相比。
Mark下吧..目前很困惑这个问题
只是感觉现阶段人的逻辑推理能力优与机器，纯数据计算是没办法比，也许是大脑没有被开发完全。存储也不知道人脑数据是怎么样存储的，可能很大也可能没我们估计的那么大。就像几十几百T的电影可以压缩到几个g，而获取信息差异并不是太明显
登录百度帐号推荐应用电脑比人脑转得快_NIKE新浪竞技风暴_新浪网
电脑比人脑转得快
http://sports.sina.com.cn 日15:17 北京晚报
　　本报讯(记者陈嘉)昨天，首届“浪潮杯”中国象棋“人机大战”结束，浪潮计算机以两回合11比9的成绩赢得了这场“人机大战”。
　　本次中国象棋“人机大战”由柳大华、徐天红、卜凤波、张强和汪洋五位中国象棋特级大师和象棋大师同时对阵一台安装有五套不同对弈软件的“浪潮天梭”超级计算机。棋手和计算机各限时45分钟，进行两回合比赛。首回合，大师一方，柳大华告负、徐天红取胜
，卜凤波、张强和汪洋与计算机战和，人机战为5比5平。第二回合，小将汪洋轻松战胜计算机，徐天红和张强与对手“议和”，柳大华和卜凤波两位特级大师却双双告负，计算机就以6比4取得了本回合胜利。综合两回合总成绩，天梭计算机以11比9战胜了大师。
　　赛后，柳大华和卜凤波表示，与计算机对弈和与人类棋手对弈感觉有很大差别。计算机对棋局的计算速度快，行棋计算准确，是一个强劲对手。在对弈中计算机所消耗的时间很少，并且由于程序设定，计算机不可能出现超时的失误，而时间限制却在比赛中给人类棋手带来很大的压力。计算机所用的时间比人类棋手要少，所以更快的运算速度和更强的运算能力成为超级计算机赢得此次“人机大战”的一个重要原因。
　　对于比赛结果，浪潮集团高级副总裁王恩东表示:“无论是哪一方取得胜利，都是人类智慧的胜利。”J189
】【】【】
美女|明星|卡通|风景|更多&&
　　歌曲名
　　歌曲名
Copyright & 1996 - 2006 SINA Corporation,
All Rights Reserved豆丁微信公众号
君，已阅读到文档的结尾了呢~~
人脑和电脑哪个厉害？
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
人脑和电脑哪个厉害？
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口人脑比最强计算机还要强30倍_网易科技
人脑比最强计算机还要强30倍
用微信扫码二维码
分享至好友和朋友圈
虽然我们目前还不能完全排除在未来会出现由人工智能驱动的机器人革命的可能性，但是一项最新的研究发现，即使是现如今最先进的超级计算机，其强大的程度也仅仅是人类大脑的三十分之一。因此，我们应该有足够的理由不用再担心机器人会占领我们的生活。两位来自美国的博士生指出，他们通过一种名叫“遍历边/秒(traversed edges per second，简称 TEPS)”的测量办法来衡量计算机的能力，从本质上来说，这种办法基本上就是测量计算机在自己的系统内能够用多快的速度将信息从一个点传输到另一个点。但是，人类的大脑中并没有精确的信息传送(或者说测不到)，因此上述办法并不适用于人类大脑的性能测量，所以它们只能对大脑中的神经元传递信号的频率进行了一个粗略的估计。来自加利福尼亚大学伯克利分校的 Katja Grace 表示：“这种测量人脑性能的方法是非常有好处的，并且它从来没有被人使用过。这个方法给我们提供了相对独立的估计，让人们看到了性能大致相当于人类大脑的计算机硬件的价格。”在研究的过程中，Katja Grace 和她的来自卡耐基梅隆大学同事 Paul Christiano 将
的红杉超级计算机作为人工智能的最强者。这台机器的运算能力超群，持续运算测试达到每秒 16324 万亿次，其峰值运算速度高达每秒 20132 万亿次，令其他计算机望尘莫及。整个超级计算机占地约 318 平方米，在 96 个机柜中聚合了大约 160 万个处理器和超过 1.6PB 的内存。这两位博士生的计算表明，人类的大脑是非常灵活的，即使是在数据传输方面，人脑的速度也要比红杉超级计算机要快上 30 倍左右。根据目前的市场价格，如果你将自己大脑的计算能力出租一小时的话，能赚到的钱将在 4700 美元到 17 万美元之间。
据估计，廉价的计算机平台(平均 100 美元每小时)的处理能力将会在 7 到 14 年内赶上人类的大脑，虽然在这次假设中仍然存在很多的推测，但是不管怎么说，拥有超强计算能力的程序还是需要人类写出来。而一个非常大的未知数是，超级计算机的提升速度有多快?Katja Grace 说：“我们并不清楚人脑是如何有效利用它的计算资源的，也不知道应该如何比较人脑和计算机的效率。”因此，即使我们知道需要使用多少硬件来实现大脑的计算效果，也无法做出正确的比较。今年夏天，这项研究获得了波士顿生命科学学院的 49310 美元投资，不仅如此，大名鼎鼎的“钢铁侠”Elon Musk 也为了探究人工智能发展的潜在影响而捐赠了 700 万美元。
本文来源：威锋网
责任编辑：王晓易_NE0011
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈人脑与电脑的用途及区别_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
人脑与电脑的用途及区别
阅读已结束，下载本文需要
想免费下载更多文档？
定制HR最喜欢的简历
你可能喜欢}