人类大脑的大规模并行机制是其模式识别能力的关键

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。当前，计算机的并行设计还比较有限。

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。我的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。

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。模拟计算可以在几个晶体管中或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（和修改）。