没有智能光脑的这些家伙，就像是失去了爪牙的老虎一样，已经是没有多大的威力了。
白队长因为个人的原因，对于智人群体也是非常的好奇，另一方面先在身边有警方系统里面数一数二的专家，所以他自然是想将自己心中的这些问题问个清楚，也不管对方烦不烦。
反正这个时候他们也没有什么事情，只要小心的提防周围情况就可以了，现在真的想将自己心中的疑问一股脑的问出来。
“这么说来，那个小子的大脑现在岂不是像计算机一样了？应该说他现在就是一个人工智能或者说一个超级计算机......”
如果要回答这个问题的话，怕就要解释一个最基本的概念，我们所说的计算机到底是指什么东西。
现在大多数的计算机都是数字的，并且每次以极高的速度执行一条或者多条指令，这可能是最简单的解释了，而人类的大脑结合使用数字和模拟的方法，会在模拟区域通过使用神经传递来执行大部分的计算。
虽然这些神经元以极其缓慢的速度通常是每秒200次执行计算，但是大脑整体上是大规模并行的，大多数的神经元都在同一时间工作，这使得多达100万亿次计算同步进行吧，这就意味着我们的大脑计算速度，如果真的要跟计算机比起来的话，现在可能比最顶级的人工智能还要快。
但是我们最大的一个问题就是，人类的大脑无法被百分百的调动所有的计算能力，这就是为什么我们活到现在经常会忘记很多事情，这就是因为我们的大脑会进行自主筛选，将一些被强制令记忆的东西记住，而那些无关紧要的东西就会被自动舍弃掉，只有在见到相关的指令时才会想起来，这就是大脑的自主反应。
人类大脑的大规模并行机制是其模式识别能力的关键，而模式识别正是人类思维的支柱之一。哺乳动物的神经元显得有些混乱，有许多明显随机的相互作用，如果神经网络已经训练得很好，那么一个反映网络决策的稳定格局就会出现。
这就是我们常说为什么人一定要进行经常学习和记忆，因为这样才能使我们人类的大脑，有一种经过锻炼的思维感，能够拥有一个稳定的思考能力和记忆储存能力。
当前计算机的并行设计还比较有限，即便是最强的人工智能天启，也无法做到这一点，即便他现在在某些方面比人类强的不止一星半点，但是如果跟一个火力全开的大脑相比较，他实在是有些不太够看的。
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。
但是我们不能够并不能说我们不具备这样的能力，我们的大脑的计算能力可以比我们想象中的要更高，是数10亿的十几倍，但是我们所能使用的功能却只有这些，就相当于我们现在已经用到了苹果99代手机。
但是我们熟悉的那些功能仍然是苹果4代的，有很多未知的功能，我们并没有去发掘，而且以我们现在所拥有的能力无法去进行完全的掌握，这就不能说我们的大脑不具备那些能力。
大脑是大规模并行的，大脑相当于100万亿神经元间的相互连接，它们都可能在同时处理信息。正如我们前面讨论过的，这两个因素：较长的周期和大规模并行，引起了一定程度的大脑计算能力，这就会使得我们的大脑在某些情况下或者说是某种思考能力下，会让我们的思考能力变得翻倍增长。
今天我们最大的超级计算机正在接近这个范围，天启如今或许可以靠着本身不断的进化，比我们快将近千万倍的进化，才终于是能够赶上我们的速度，但是这样的进化速度也仅仅是赶上我们的大脑，想要超越的话是完全不可能的事情。
因为现在根据我的估计来看，即便是那个超级智能，也是如今已经到了一个瓶颈，想要获得更快的进化，已经是要进行一个突破点的寻找。
最先进的超级计算机，包括那些用于最流行的搜索引擎的计算机超过了1014cps准则，这与我在讨论功能仿真的估计相匹配。
不过，没有必要采用和大脑相同的并行化处理的粒度，而只要我们配合整体的运算速度和存储容量的需要就可以，否则就需要模拟大脑的大规模并行结构。
大脑模拟和数字相结合的现象。大脑连接的拓扑结构本质上是数字的——无论连接存在还是不存在。
而大脑放电则不全是数字的，但接近于一个数字的过程。大脑中几乎大部分的功能都是模拟的，充满着非线性，在产出方面的突然变化，而不是平稳变化，实质上比我们已经在神经元中利用的经典模型还要复杂，
然而，详细的非线性神经元动力学和神经元的组成，可以通过非线性系统的数学来模拟。