人工智能可以帮助我们理解大脑的运作吗？
回溯到21世纪初，当我在纽约大学斯特恩商学院攻读MBA学位时，我选修了一门叫做数据挖掘的课程，介绍了许多算法来“挖掘”数据，也就是自动找到数据的含义以进行预测和决策。其中之一就是神经网络，但它远非首选，因为速度慢、需要大量数据进行训练，并且用例相对较少。二十年后，由于计算能力的巨大提升，神经网络算法成为了机器学习和人工智能(AI)的基石，也因此催生了更先进的算法和模型。
随着人工神经网络和深度学习的快速发展，AI在某些领域已超越了人类。许多有趣的问题出现了，例如AI和人脑有多相似、AI的未来目标是什么，以及AI能够取代人类智能的程度。在本文中，我将从生物学习的神经机制开始，探讨它们如何启发了AI的发展。对历史的更好理解将帮助我们抓住人工神经网络与其他机器学习模型（例如支持向量机、决策树、随机森林）之间的根本差异。正是受到大脑启发的学习特性导致了人工神经网络的最新突破，包括用于图像识别的卷积神经网络(CNN)和用于生成式人工智能的大型语言模型(LLM)。然后，我将讨论人类智能与AI之间的差异，以及我们对AI未来发展方向的看法。我们预期下一步会看到AI将继续受益于对大脑的发现，同时，AI也能帮助我们更好地理解大脑的运作。思想的不断交流将推动神经科学和人工智能以健康、更快的速度发展。
生物学习
学习是动物和人类大脑的重要特征。当一个婴儿出生时，她必须从零开始学习几乎所有事情，包括辨认面孔、说话和行走，然后经过多年的学校教育和培训。学习在大脑中是如何发生的呢？